搜索资源列表
模式识别的一些预处理
- 模式识别的一些预处理，包括：图像压缩的例子：行程编码算法RCL， 手写体数据变换成像素位图的算法。-some pretreatment pattern recognition, including : Image Compression examples : RCL itinerary coding algorithm, handwritten data transformation into pixel bitmap algorithm.
Image_Feature_Selection_Method_Based_on_Immune_Enc
- 针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(IACA). 该方法借鉴生物免疫系统的抗体分 子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度 从集合的角度研究并且定义了特征之间的包含和互补关系 并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则 最终实现了寻找最优特征子集的算法IACA ,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的“免
Improved-non-negative-sparse-coding-algorithm
- 改进的非负稀疏编码图像基学习算法Improved non-negative sparse coding algorithm for image-based Learning-Improved non-negative sparse coding algorithm for image-based Learning
huffman
- 矢量量化图像压缩编码huffman 神经网络
fractal-compreeeion
- 分形编码，希望对初学者有用，分形图像压缩编码和解码程序-fractal compression
TOTO_NeuralNetwork_v2
- 全手工Java书写的完全面向对象结构的人工神经网络，现版本，仅实现BP神经网络以及普通梯度下降法，但结构精炼，易于扩展，本人正在书写稀疏自编码用于图像处理，但本版本尚未涵盖。将在以后的版本中上传。（附带CSV输入）-Neural Network Programmed by JAVA, the key contribution of this Project is 100 OO based, readers can easily figure out how to add more things
Sparse-Autoencoder
- 稀疏自编码是构成堆栈式自编码的基础，通过稀疏自编码可以提取图像的边缘特征。-Sparse coding constitute the basis of the stack self-encoded by sparse coding can be extracted the edge feature of the image.
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
Autoencoder-Code
- 稀疏编码的概念来自于神经生物学。生物学家提出，哺乳类动物在长期的进化中，生成了能够快速，准确，低代价地表示自然图像的视觉神经方面的能力。我们直观地可以想象，我们的眼睛每看到的一副画面都是上亿像素的，而每一副图像我们都只用很少的代价重建与存储。我们把它叫做稀疏编码，即Sparse Coding.本文提供稀疏编码的一个实例-Sparse Coding.
train_lowsae
- 以图像块作为输入信息训练自编码器的matlab程序-An matlab program for training an encoder an image block as input information
caffe-cvprw15-master
- 基于深度学习框架构建用于快速图像检索的二值哈希编码(Construction of binary hash codes for fast image retrieval based on depth learning framework)
pytorch-vae-master
- 变分子编码 重构图像 Mnist 特征提取(vae reconstruction Mnist feature extracting)