搜索资源列表
hopfield_net
- 对于含有噪声的的数字图像模式“1、2、3、4”，使用“hopfield”神经网络，进行联想、识别，以去除噪声的影响。-for containing noise of the digital image model "1,2,3,4", "hopfield" neural network, Lenovo, identification, in order to remove noise impact.
javasom_1[1].0.0
- Kohonen网络的学习过程可描述为：对于每一个网络的输入，只调整一部分权值，使权向量更接近或更偏离输入矢量，这一调整过程就是竞争学习。随着不断的学习过程，所有输入矢量都在输入矢量空间相互分离，形成了各自代表输入空间的一类模式，这就是Kohonen网络的特征自动识别的聚类功能。请解压缩后按照readme提示进行操作。-Kohonen network learning process can be described as follows : for each one network input,
Face_Detection_In_RGB_Model
- 一个基于RGB模式的人脸检测MATLAB源代码，希望对热衷于人脸识别方面的朋友有所帮助。-an RGB model based on the Face Detection MATLAB source code, want to Face Recognition keen on the friends help.
bp_分类器皿
- BP分类器，用与识别不同模式。-BP classifier, and used to identify different models.
200562357658361
- 汉字识别系统，非常简单，网络上看到的 一起学学啊，对模式的一个简单匹配.-Chinese character recognition system is very simple, see the Web together to learn ah, the model of a simple matching.
bayes
- Bayes分类程序源代码,用于两类模式的分类识别-Bayes classification of source code for two types of pattern classification to identify
ART1
- ART网络采用竞争学习策略和自稳机制，能够对任意复杂的环境输入模式实现自稳定和自组织的识别。ART神经网络模型主要有三种结构，即ART1、ART2、ART3。ART1用于处理二进制输入的信息，ART2可用于处理二进制和模拟信息两种输入，ART3具有人类神经元生物电-化学反应机制，用于分级搜索。-ART network adopt competitive learning strategy and instability mechanism, since any complex environme
sfrz
- 基于等距映射( ISOMAP) 非线性降维算法, 提出了一种新的基于用户击键特征的用户身份认证算法, 该算法用测地距离代 替传统的欧氏距离, 作为样本向量之间的距离度量, 在用户击键特征向量空间中挖掘嵌入的低维黎曼流形, 进行用户识别。用采集 到的1 500 个击键模式数据进行实验测试, 结果表明, 该文的算法性能优于现有的同类算法, 其错误拒绝率( FRR) 和错误通过率 ( FAR) 分别是1.65 和0 , 低于现有的同类算法。-Based isometric map (ISO
Semi-Supervised-Kernel-Based-Fuzzy
- 研究半监督学习的模糊核聚类方法用于变速箱早期故障诊断的方法。故障特征不明显、样本差异小是机械故障早期检测的 难点， 基于半监督学习的核聚类方法利用少量已知模式的样本， 结合大量未知模式的样本进行半监督学习， 得到较好的识别效果。-In this paper, motion control method of semi-closed CNC method is presented for gear-box fault early detection. The difficulty mach
Speech-signal-classification-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果.-Speech characteristic signal recognition is an important aspect in the field of speech re
classification-of-Speech-signal-
- 语音特征信号识别是语音识别研究领域中的一个重要方面,一般采用模式匹配的原理解 决。语音识别的运算过程为:首先,待识别语音转化为电信号后输入识别系统,经过预处理后用数学方法提取语音特征信号,提取出的语音特征信号可以看成该段语音的模式。然后将该段语音模型同已知参考模式相比较,获得最佳匹配的参考模式为该段语音的识别结果-Recognition is the speech characteristic signal in the field of speech recognition is an i
fdtool
- 利用局部二位模式和haar特征进行人脸或目标识别。-This toolbox provides some tools for objects/faces detection using Local Binary Patterns (and some variants) and Haar features. Object/face detection is performed by evaluating trained models over multi-scan windows with
voice-recognition
- 3、语音特征提取与分类 首先, 待识别语音转化为电信号后输入识别系统, 经过预处理后用数学方法提取语音特征信号, 提取出的语音特征信号可以看成该段语音的模式。-3, the voice feature extraction and classification First, to be recognized voice into electrical signals input recognition system, after pretreatment with a mathematica
Iris_Recognition_Matlab
- 基于模式匹配和区域分割的瞳孔识别算法，自带测试图片库。-Region segmentation based on pattern matching and pupil recognition algorithm, has a test gallery.
75887956lbp
- 基于局部二值模式的人脸识别，可以参考进行学习，适合初学者(Face recognition based on LBP)
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
深度（多层）极限学习机的python实现
- 深度极限学习机也叫多层极限学习机，ML-ELM。是黄广斌等人在极限学习机ELM基础上，将其拓展为深度学习的一种模式识别方法，原文文章：Representational learning with extreme learning machine for big data。(The deep extreme learning machine is also called the multi-layer extreme learning machine, ML-ELM. It is Huang Gu