搜索资源列表
SOM-network
- 利用SOM网络对动物属性特征映射:实现对动物的分类及相近度的划分-Using the SOM network to map the animal attributes: the classification of animals
hogfeather
- 提取图像特征进行图像的二分类问题，能够实现对输入图像的分类（有没有人）。-Extract image features two image classification problem, it is possible to realize the input image classification (there is no one).
gabor
- 利用gabor算法对图像纹理特征提取，并且送入极限学习机中进行学习分类-Use gabor feature extraction algorithm for image texture, and into the ultimate learning machine learning classification
信息对抗课件
- 广泛讨论信息对抗的各领域知识 1.信息对抗的战略、战术、形式和目标 2.信息对抗的发展状况 3.信息对抗的相关理论和技术 具体包括： 信息与信息对抗的基本概念 信息对抗的方法分类与特征 情报战、心理战、军事欺骗 电子对抗 计算机网络对抗 新型硬杀伤武器
基于Gabor-pca的人脸识别
- 人脸识别完整的程序，特征提取之后，然后用分类器识别。-face recognition
compressiveTracking
- 压缩跟踪 是一种简单高效地基于压缩感知的跟踪算法。首先利用符合压缩感知RIP条件的随机感知矩对多尺度图像特征进行降维，然后在降维后的特征上采用简单的朴素贝叶斯分类器进行分类。该跟踪算法非常简单，但是实验结果很鲁棒，速度大概能到达40帧/秒-Compression tracking A simple and efficient tracking algorithm based on compression perception. First use of random eligible for c
opencv_ann
- 使用opencv的机器学习模块用多层神经网络算法实现对二维特征的分类。并具有一定的可视化处理。只上传了主要代码。不包含工程文件-Opencv using machine learning module for two-dimensional feature free multilayer neural network algorithm. And have some visualization. Upload only the main code. It does not contain a p
HMAX
- 基于生物激励的仿生模型的人脸识别过程，提取可以用于分类额特征-featrue extration ，face recognition
face-recognition
- 一种基于生物特征的人脸识别过程，模拟人眼的视觉，提取图片特征，输入分类器。-face recognition
self-taught-learning
- 自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。-Independent Learning the encoder and the sparse classifiers achieve the combination. First through sparse coding since no label was ha
mic_expression-recognition
- 运用LBPTOP对动态序列图像进行特征提取，libsvm用做分类器，进行微表情识别。程序绝对完整，能够运行出结果-LBPTOP is used to extract features the dynamic image sequences, and libsvm is used as a classifier to recognize the micro expression. Program is absolutely complete, can run out the results
ferns
- 这是2010年PAMI上的一篇关于特征点分类的文章，原作者主页没有在windows下编译的结果，这个版本可以在Visual Studio 2010下跑通，修改过部分源码，原来的代码运行有一些小bug，现已修复，具体使用说明参考README-This is a 2010 feature points on PAMI on classification of the article, the author Home no windows in the results compiled, and th
SAMunsuperviesed
- 关于支持向量机的非监督分类方法。利用波段特征度图片进行处理，并最终识别并分类图像中的物品-Unsupervised classification method on support vector machine. The use of the band characteristics of image processing, and ultimately identify and classify objects in the image
Rotation-Invariant-Texture
- 该文献是关于旋转不变纹理特征的提取，分类算法-the paper is about rotation invariant texture feature classification algorithm
kjinlin
- K最近邻(k-Nearest Neighbour，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。-K neighbor algorithm
TextonBoostSplits
- Textonboost用boosting实现基于纹理特征的图像分类，里面有训练集、测试集和验证集，具有一定参考价值。-Textonboost uses boosting to realize image classification based on texture features, which has training set, test set and validation set, which has a certain reference value.
cluster
- 聚类算法，包括特征提取 归一化，还有线性和非线性分类器，matlab下调试成功案例-clustering classification algorithm ，it include linear and nonlinear classifier and data preprocessing
Bpes
- 该程序是基于特征选择与特征提取的检测算法,可以将已分类的数据集中的边界数据检测出来，对于边界数据中的未分类数据及模糊数据具有很好的检测效果。可适用于分类器的构建。
Bpes
- Bpes是基于特征提取和特征选择的算法，多用于已分类的数据集中的边界数据的检测，对于边界数据中的未分类数据及模糊数据具有很好的检测效果。可适用于分类器的构建。-Bpes is based on the feature extraction and feature selection algorithms, used to have more classification, the data of the boundary of the data set of unclassified data
PCA
- 主成分分析，对多特征数据进行主成分分析，降低样本的维度，实现分类前的预处理。-Principal component analysis, principal component analysis was carried out on the characteristic data, reduce the dimension of sample pretreatment before implement classification.