搜索资源列表
asmpointtool
- asm人脸特征点标定辅助工具,核心为利用ASM算法检测人脸特征点,可以通过鼠标和键盘来选择和移动调整特征点,鼠标点击选取特征点,a w s d控制特征点移动。-asm facial feature point calibration aids, the core for the use of ASM algorithm detects facial feature points, via mouse and keyboard to select and move the adjusted cha
sipls
- 包含SIPLS组合区间算法(Synergy Interval PLS, SIPLS),可进行特征光谱的区间选择-Contains a combination of interval algorithm SIPLS (Synergy Interval PLS, SIPLS), can range selection feature of the spectrum
pca
- 本文实现了众所周知的PCA算法。它返回一个减少号尺寸/特征数据集。折减系数,即多少特征最终/减少集应该包含可由用户选择。 它包含一个面说明数据集(脸。垫)(请参阅自述文件)如何使用。-this implements the well known PCA algorithm. It returns a Dataset with reduced no. of dimensions/features. The reduction factor i.e how many features the f
Edge_Detection
- 多种边缘检测算法 可以进行对比选择,方便提取更好的边缘特征-A variety of edge detection algorithm can be compared to choose, easy to extract better edge features
CHENGXU
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲,信号处理的观测空间可以分解为信号子空间和噪声子空间,显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成,噪声子空间则由协方差矩阵中所有最小特征值(噪声方差)对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱,所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率,同时适应于任意形状的天线阵列
Watershed
- 基于opencv2.3.1,使用标记控制的分水岭算法,将图像中各个目标分割出来,并选择合适的特征将目标分为 两类。-Based on watershed algorithm opencv2.3.1, use mark control, the image of each target segmented, and the appropriate target features into two categories.
pujulei
- 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 , 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域, 最近才开始用于机器学习中,并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the spectrum b
ZPclustering
- 谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点。 该算法首先根据给定的样本数据集定义一个描述成对数据点相似度的亲合矩阵,并且计算矩阵的特征值和特征向量 , 然后选择合适 的特征向量聚类不同的数据点。谱聚类算法最初用于计算机视觉 、VLS I 设计等领域, 最近才开始用于机器学习中,并迅速成为国际上机器学习领域的研究热点。-Spectral clustering algorithm based on the reprodu
Best-viewpoints-selection
- 针对三维模型视点选择问题,提出了基于特征点检测的最佳视点选择方法。算法首先根据三维网格模型 的顶点邻接区域信息计算顶点的局部高度,即顶点的显著度大小;然后基于顶点的局部高度值大小,结合非极大值 抑制算法进行三维模型表面特征点检测;最后针对视点球体上的每个候选视点分析该视点下可见特征点的几何分 布信息,计算视点质量,从而筛选出最佳视点。实验结果验证了基于特征点检测的三维模型视点选择方法的合理 性和优越性,所选择的最佳视点能够提供三维模型较多的几何结构和视觉特征信息。-Best vi
a
- :人耳识别系统中,需要根据特征提取的要求实现图像的自动归一化,并且选择合适的依据使归一化后的结果具有一定的有效性和合理性。提出了一种新的外耳长轴标记法,根据外耳长轴将人耳统一到标准的尺寸和角度 运用主动形状模型算法,实现了外耳轮廓的自动搜索,且对算法进行了改进,调整了模型的初始位置。实验证明,改进后的主动形状模型(ASM)能更快速准确地收敛,且归一化的方法能够合理地将人耳标准化,为后续的特征识别提供了保障。-In the ear recognition system, it is require
feature_selection
- 使用matlab语言编写而成,用于蚁群算法的特征提取和选择,已经验证过了-it is used to feature selection for aco,matlab
sihuanghou
- 人工智能的四皇后问题,回溯法——在约束条件下先序遍历,并在遍历过程中剪去那些不满足条件的分支。 使用回溯算法求解的问题特征,求解问题要分为若干步,且每一步都有几种可能的选择,而且往往在某个选择不成功时需要回头再试另外一种选择,如果到达求解目标则每一步的选择构成了问题的解,如果回头到第一步且没有新的选择则问题求解失败。 在回溯策略中,也可以通过引入一些与问题相关的信息来加快搜索解的速度。对于皇后问题来说,由于每一行、每一列和每一个对角线,都只能放一个皇后,当一个皇后放到棋盘上后,不管它放在棋
knn所涉及
- KNN是通过测量不同特征值之间的距离进行分类。它的的思路是: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通常是不大于20的整数。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。(NN is classified by measuring the distance between the different eigenvalues. It is
MC
- 大数据挖掘,随机森林算法,可用于分类,特征向量选择等等。(random forest ,data minning)
fs_sup_relieff
- Relief算法中特征和类别的相关性是基于特征对近距离样本的区分能力。算法从训练集D中选择一个样本R,然后从和R同类的样本中寻找最近邻样本H,称为Near Hit,从和R不同类的样本中寻找最近样本M,称为Near Miss,根据以下规则更新每个特征的权重: 如果R和Near Hit在某个特征上的距离小于R和Near Miss上的距离,则说明该特征对区分同类和不同类的最近邻是有益的,则增加该特征的权重;反之,如果R和Near Hit在某个特征上的距离大于R和Near Miss上的距离,则说明该特
CARS
- 用于matlab模式识别(分类和回归)的特征变量提取方法,竞争性自适应重加权算法(CARS)是通过自适应重加权采样(ARS)技术选择出PLS模型中回归系数绝对值大的波长点,去掉权重小的波长点,利用交互验证选出RMSECV指最低的子集,可有效寻出最优变量组合。(The method of feature variables extraction for matlab pattern recognition (classification and regression), competitive a
GA_pls
- 遗传算法选择特征变量用于优化pls模型的预测性能