搜索资源列表
starter
- 基于深度学习的稀疏自编码器，对图像特征进行提取，然后分类-Extraction the encoder based on sparse feature depth study
rotation--forest
- 一些最新的旋转森林集成分类器的研究，能够很好的运用到高光谱图像、生物信息等其他方向。-Some of the latest research rotation forest integrated classifier, can be well applied to the other direction hyperspectral image, biological information.
C4_5
- 这是分类树的C4.5算法分类，算法比较简单，但是运行高效，可以对图像进行分类-This is the classification tree C4.5 algorithm classification, the algorithm is relatively simple, but the operation is efficient, you can classify the image
darknet
- 神经网络引入后，检测框架变得更快更准确。然而，大多数检测方法受限于少量物体。检测和训练数据上联合训练物体检测器，用有标签的检测图像来学习精确定位，同时用分类图像来增加词汇和鲁棒性。原YOLO系统上生成YOLOv2检测器；在ImageNet中超过9000类的数据和COCO的检测数据上，合并数据集和联合训练YOLO9-After the neural network is introduced, it is becoming faster and more accurate detection fr
Perceptron-numerical-experiment
- 1.设计一个单一感知器解决简单分类问题 2.设计多个感知器神经元解决分类问题，并绘出图像 3.利用标准化感知器学习规则消除奇异样本对训练的影响-Design perceptron to solve classification problems
gransformation-Pklar
- 极坐标,对数极坐标变换及其反变换分类matlab与图像处理-Polar logarithmic coordinates transformation and its inverse transform classification with matlab image processing
Bias supervised classification
- 基于c++的监督分类，使用贝叶斯分类实现图像的二值分类(Supervised classification based on c++ uses Bias classification to implement the two valued classification of images)
ABC_SVM
- svm算法，用于数据挖掘，分类。图像处理(SVM algorithm for data mining, classification. image processing)
RBF遗传优化
- RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(RBF network can approximate any nonlinear function, regularity can handle within the system to parse, has good generalization ability and
CNN
- 卷积神经网络matlab代码,内附详细解释。可用于图像识别，数据分类。(this is an zip of matlab code for CNN used for data classification or figure recognization.)
SVM_SMO
- 线性分类器，svm，在图像识别分类表现不错(linear classification)
CNN
- 卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。(Convolution neura
Untitled2
- k—means函数，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(k-means function, RBF network can approximate any non-linear function, can deal with difficult-to-resolve regularity in the sys
DCGAN-tensorflow-master
- DCGAN实现高质量图像生成与分类，并增强了系统的稳定性与准确度(DCGAN enables high-quality image generation and classification, and enhances system stability and accuracy)
yolo V3
- 这个版本作者已经编译过了 可以在WIN系统上运行 YOLO3主要的改进有：调整了网络结构；利用多尺度特征进行对象检测；对象分类用Logistic取代了softmax。 在基本的图像特征提取方面，YOLO3采用了称之为Darknet-53的网络结构（含有53个卷积层），它借鉴了残差网络residual network的做法，在一些层之间设置了快捷链路（shortcut connections）。
CNN_Hyperspectral_Classification-master
- 使用神经网络进行训练，对高光谱普图像进行分类(Using neural network to train and classify hyperspectral images)