搜索资源列表
BAM_NN
- 用外积和法设计的权矩阵，不能保证p对模式全部正确的联想。若对记忆模式对加以限制（即要求p个记忆模式Xk是两两正交的），则用外积和法设计的BAM网具有较好的联想能力。 在难以保证要识别的样本（或记忆模式）是正交的情况下，如何求权矩阵，并保证具有较好的联想能力？这个问题在用BAM网络实现对字符的识别程序仿真中得到体现。我们做过尝试，用伪逆法求权矩阵，虽然能对未加干扰的字符全部进行识别，但对加有噪声的字符识别效果很差。至于采用改变结构和其他算法的方法来求权矩阵，将是下一步要做的工作。-foreign
telephone
- 本文主要阐述了DTMF的原理及如何在MATLAB上产生DTMF信号，主要涉及到电话拨号音合成的基本原理及识别的主要方法，利用 MATLAB 软件以及 FFT 算法实现对电话通信系统中拨号音的合成与识别。并进一步利用 MATLAB 中的图形用户界面 GUI 制作简单直观的模拟界面。 能够利用矩阵不同的基频合成 0 － 9 不同按键的拨号音，并能够对不同的拨号音加以正确的识别，实现由拨号音解析出电话号码的过程，完成对电话拨号音系统的简单的实验仿真。
prony_analysis
- 复指数法是根据结构的自由振动响应或脉冲响应函数可以表示为复指数函数和的形式，然后用线性方法来确定未知参数。其主要思想是从振动微分方程的振型叠加法原理出发，建立动力响应与模态参数之间的关系表达式，通过对脉冲响应函数进行拟合可以得到完全的模态参数，获得了良好的拟合效果。基本方法是以Z变换因子中包含待识别的频率，构造Prony多项式，使其零点等于Z变换因子的值。这样，将求解Z变换因子转化为求解Prony多项式的系数。这里给出用矩阵解Prony多项式的系数的MATLAB程序。
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。
dulian11
- 本目录主要包括：文档和两个源代 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。
4×4
- 关于4X4矩阵键盘的设计与识别技术内含例程序方便用户下载使用
image-4
- ex4.14 图元识别问题« 问题描述：在数字化图像处理中常将一幅图像表示为一个m´ m 的像素矩阵。其中每个像素的值为0或1。值为0的像素表示图像的背景，而值为1 的像素表示图像中某个图元上的一个点，通常称其为图元像素。当一个像素在另一个像素的上方、下方、左侧或右侧时，称这2个像素为相邻像素。一幅图像中的相邻像素属于同一图元，而不相邻的像素属于不同图元。图元识别问题就是对给定图像的图元像素进行标记，使得同一图元的图元像素有相同的标记，而不同图元的图元像素其标记也不同。试
位图全色生操作类，指纹识别，角点检测，锐化，反色等操作类C++
- 指纹识别中的一个步骤分支点检测的实现，使用的是我个人编写的位图操作类，本位图操作类中的算法组，可以用于所有能够返回具有指针特性图像矩阵的文档操作类库。也就是说通用性很强。算法组还包括指纹识别算法，卷积函数。位图操作类包括的方法有 tmBmp(); tmBmp(const std::string & fname, BYTE clrBit = 8 ,DWORD imW = 256,DWORD imH = 256); virtual ~tmBmp();
DigitRec
- 其中源代码是识别程序的，另一个是矩阵类库的。 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多-One source is to identify the program, the other is the matrix clas
wangluo
- 一个数字 1 2 3 的矩阵输入判定器，用神经网络算法实现，可以训练识别等多种功能用C++语言实现-1 2 3 a digital input to determine the matrix, and use of neural network algorithm, can be trained to identify a variety of functions, such as C++ language used to achieve
Neural_network_character_recognition
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。-Catalog include: the source code files and two. One procedure is to identify the source code, and the ot
Csharp_30SmallExamples
- 关于C#编程的30个小例子。包括矩阵相乘、汉字识别、数组等。-C# programming on the 30 small example. Including matrix multiplication, Chinese character recognition, and array.
chap11
- 数字验证码识别，需要训练。目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目
DigitalIdentification
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下，训练样本数目尽量多。-Catalog
Data_fusion_1
- 传感器优化布置是结构健康监测研究的重要内容，传感器数量和位置的选择直接关系到模态参数识别的效果及模型修正的结果等。为了达到布置在结构上的有限传感器能够测量并得到用于模态参数识别的最佳信息的目标，提出了基于数据融合的传感器优化布置方法。该方法以距离测度作为数据融合的融合度，首先通过对距离测度矩阵、支持度矩阵的计算，得到待选测点的综合支持度；其次，根据待选测点的综合支持度大小来确定传感器优化布置的位置；最后，以网架结构的传感器优化布置为例，运用峰值法进行自振频率识别，通过已选测点与未选测点识别效果的
testCV
- 叶子图像识别，运用纹理分析，共生矩阵。自行实现kmeans方法-Leaf image recognition, the use of texture analysis, co-occurrence matrix
TL_recongnize_add_noise8_8
- 加噪声的神经网络TL 识别。 将3*3网格中只有0,1两种状态，在识别时将矩阵转化为1*9的数组进行识别，加入噪声评估神经网络的学习能力。-TL neural network recognition plus noise. 3* 3 grid will only 0,1 two states, in identifying the matrix into an array of 1* 9 to identify, evaluate noise added learning ability o
Solution_Knn
- 利用KNN算法实现模式识别，通过黎曼流形来衡量矩阵的相似性。-use the knn agrithm to object classification.
5
- 基于空间灰度共生矩阵木材纹理分类识别的研究_王晗(based on spatial gray level co-occurrence matrix _ Wang Han wood texture classification recognition research)
key
- 矩阵按键识别，状态机实现，很好的参考资料(Matrix key identification, state machine implementation, good reference data)