搜索资源列表
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
pattern10
- 10*10模板识别26个字母，相对于5*5模板增大了。因此所需要的样本数量也要相应的增大，才能有更高的正确识别率，使用时要注意这一点。-10*10 template identify 26 letters.relativing to 5*5 template is increased.therefore needing more stylebook to high recognize rate.pay attention to this.
MLbayesface
- 基于贝叶斯人脸识别技术的matlab人脸识别程序，在ORL库上实现，也可换用别的库进行运算，只需要更改样本数量-Bayesian face recognition technology based on face recognition matlab program, implemented on ORL database can also be used for other library operations, only need to change the number of sample
NeuroNet
- 利用BP神经网络进行字符识别，非加载图像训练识别，而是利用鼠标绘制字符进行工作。其中在BP神经网络的实现文件中隐层的节点数量计算公式在不同的情况下可能会不准确，需要进行修改。这是理论决定的，不是错误。-BP neural network for character recognition. No need to load images for training, but use the mouse to draw the characters. In the neural network im
fd-an-dreginition
- 人脸识别的可执行程序,插上摄像头即可测试程序效果,可实时测试出区域内人脸的数量和距离.不下载肯定会后悔一辈子.不要错过.-Recognition of the executable program, plug in the camera to test the program' s performance, real-time test a number of regional wife face and distance. Download will certainly regret i
Face-recognition-based-on-PCA
- 基于PCA的人脸识别 适用于样本文件数量较小，用opencv实现-PCA-based face recognition for smaller number of sample documents, using opencv
OFDM-blind-receiver
- OFDM盲识别仿真的接收端，对OFDM信号进行符号持续时间，循环长度和子载波数量的估计-OFDM blind identification, simulation of the receiving end of OFDM signal symbol duration, cycle length and the subcarrier number of estimates
Artificial-immune-algorithm
- Immune(免疫)是从拉丁文Immunise衍生而来的。很早以前，人们就注意到传染病患者痊愈后，对该病有不同程度的免疫力。因此，在相当长时期内，免疫在微生物学和病毒学上是指免除瘟疫；换言之，是指对传染因子的再次感染有抵抗力，这是机体在初次感染后对该传染因子产生了免疫应答的结果。在医学上，免疫是指机体接触抗原性异物的一种生理反应。免疫系统有能力产生很多种抗体，免疫系统的控制机制可完成这一调节功能，即只产生所需数量的抗体。根据网络理论，如果任一细胞系中的细胞由于抗原的刺激而被激活并开始繁殖，其它能
PCA人脸识别
- 采用PCA算法对ORL Database of Faces人脸数据库(15个人，每人10幅图像，样本数量15*10)进行识别，通过改变每类训练样本中的比例，在默认累计率情况下，可得到不同的识别准确率
train-labels-idx1-ubyte
- 用于手写数字识别的训练数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Training data (tags) for handwritten digit recognition)
t10k-labels-idx1-ubyte
- 用于手写数字识别的预测数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Predictive data (tags) for handwritten numeral recognition)
train-images-idx3-ubyte
- 用于手写数字识别的训练数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Training data (pictures) for handwritten digit recognition)
t10k-images-idx3-ubyte
- 用于手写数字识别的预测数据（图片） 数据格式：前32位为2049，再32位为数据数量，再32位为图片宽度M，再32位为图片高度N，之后每N*M位都是图片的像素值(Predictive data (pictures) for handwritten numeral recognition)
Recognition
- 将数量较少的故障样本分为训练集和测试集，实现故障的分类和识别(A small number of fault samples are divided into training set and test set to realize fault classification and recognition.)