搜索资源列表
KernelTracking
- A new approach toward target representation and localization, the central component in visual tracking of non-rigid objects, is proposed. The feature histogram based target representations are regularized by spatial masking with an isotropic kern
1
- 自适应核密度估计运动检测方法 提出一种自适应的核密度(kernel density estimation, KDE)估计运动检测算法. 算法首先提出一种自适应前景、背景阈值的双阈值选择方法, 用于像素分类. 该方法用双阈值能克服用单阈值分类存在的不足, 阈值的选择能自适应进行, 且能适应不同的场景. 在此基础上, 本文提出了基于概率的背景更新模型, 按照像素的概率来更新背景, 并利用帧间差分背景模型和KDE分类结果, 来解决背景更新中的死锁问题, 同时检测背景的突然变化. 实验证明了所提出
KPCA
- 为解决PCA不适合多指标综合分析中非线性主成分分析的问题 ,采用核主成分分析 (kpca)方法 ,对我国不同地区 16种腐乳的品质进行了综合评价。 -PCA is not suitable to address the many indicators of a comprehensive analysis of non-linear principal component analysis of the problem, using Kernel Principal Component An
TestWaveletKernel
- 有关图形图像的核主成分分析方法 一个很好的例子-Relevant graphic image of kernel principal component analysis method is a good example
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
KECA
- Kernel Entropy Component Analysis,KECA方法的作者R. Jenssen自己写的MATLAB代码，文章发表在2010年5月的IEEE TPAMI上面-Kernel Entropy Component Analysis, by R. Jenssen, published in IEEE TPAMI 2010. We introduce kernel entropy component analysis (kernel ECA) as a new method
Classifying_Video_with_Kernel_Dynamic_Textures_CVP
- 顶级会议CVPR上发表的基于动态纹理的视频分类的论文，提出了基于核函数的方法，具有很高的参考价值。-Published in top-level meeting CVPR video classification based on dynamic texture paper, presented a method based on kernel function, has high reference value.
Matrix_Displacement_Method
- 结构力学中矩阵位移法的实现，内核为有限元的杆梁体系-Matrix displacement method in structural mechanics and the realization of the kernel for the finite element beam system rod
7
- 本文提出一种基于核方法的下视等分辨率景象匹配算法. 通过模拟电荷吸引模型, 提出了计算不等维高维数据相似度的SNN 核函数. 将图像中的特征点映射到径向基向量(Radial basis vector, RBV) 空间, 利用SNN 核函数计算两个特征点集的相似度及过渡矩阵. 利用置换测试模块来增强SNN 核的稳定性, 以确保输出解的可靠性. 实验证明, 基于SNN 核的景象匹配算法对图象畸变、噪声干扰与信号缺失具有很强的鲁棒性, 并可保证高精度与高实时性. -This paper prese
WPKLS
- 提出了基于小波核函数的偏最小二乘方法对混沌信号进行了有效拟合，得到了很好的效果。-Based on wavelet kernel function of the partial least squares method of fitting the effective chaotic signal obtained very good results.
Face-recognition
- 本文针对人脸图像的特点，选取一组Gabor 小波核，并用这组Gabor 小波核对人脸图像进行Gabor 小波变换，提取人脸 图像的有效信息。在此基础上，用2DPCA 对Gabor 小波提取的 数据矩阵进行降维，最后用最近邻法对人脸进行分类。-In this paper, the characteristics of face images, select a set of Gabor wavelet kernel, and check with this set of Gabor wav
kernel-regerrsion-denoise-Examples
- 用核回归方法实现图像去噪是目前理论上最先进的图像去噪方法，这里提供的是图像去噪的matlab代码。-Kernel regression method with denoising is theoretically the most advanced image denoising method, here is the matlab code for image denoising.
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
SVM-img-process
- 讲了支持向量机关于分类的方法，利用不同的核函数进行分类。-Talking about the method of support vector machine classification, using different kernel function classification
medical-image-process
- 讲了支持向量机关于分类的方法，利用不同的核函数进行分类。-Talking about the method of support vector machine classification, using different kernel function classification
Clustering-algorithm
- 本文介绍了支持向量机基于核方法的聚类算法及其应用-This paper introduced the support vector machine based on kernel method for clustering algorithm and its application
SILK-GC_GPU
- 在基于核的在线学习方法的基础上加入了图切割技术，用于背景建模和前景提取。-The kernel-based online learning method based on graph cut technique for background modeling and the prospects for extraction.
Linear_and_Nonlinear_Diffusions
- Jd=diffusion(J,method,N,K) J :待扩散的原图像 method : lin : 线性扩散 (常数 c=1). pm1 : perona-malik, c=exp{-(|grad(J)|/K)^2} pm2 : perona-malik, c=1/{1+(|grad(J)|/K)^2} rmp : 复数 K :边缘门限参数 N :迭代次数 dt:时间步长 (0 < dt <= 0.25, 缺省值为0.2)
NLKPCA
- 这是外国人实现的非线性主成份分析，可下载相应的文章，可用来降维！-Applies the kernel method to unsupervised algorithms as for instance Principal Component Analysis. This gives a principled and efficient approach to nonlinear PCA
kernel-fusion
- 一种比较新颖的方法，通过对以往提出几种核估计方法的融合，建立新核，达到更好的图像恢复效果-A relatively new method, proposed in the past by the nuclear fusion of several estimation methods, the establishment of new nuclear, to achieve better image restoration effect