搜索资源列表
nmfpack
- NMFs算法（带稀疏度约束的非负稀疏矩阵分解）用于实现基于人脸局部特征的人脸识别，通过近似的矩阵分解进行空间降维。
LNMF
- 人工智能模式识别中基于非负矩阵分解生成特征空间的算法-artificial intelligence pattern recognition based on non-negative matrix factorization generation features of the algorithm space
jchshibie
- 支持向量机（SVM）是一种基于超平面分类的新的学习方法，具有很强的泛化能力。研究了支持向量机的学习机理，以及实现支持向量机的序贯最小优化算法（SMO），并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解，获取不同尺度下的小波系数，然后对其进行主元分析，得到的主元分量作为支持向量机的特征量输入。实验结果表明，该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn
xiaobobao-BPwangluo
- 小波包和BP神经网络在齿轮箱故障诊断中的应用，本文对齿 轮箱振动信号应用小波包分解提取故障特征向量，进一步用特征向量训练前向传播BP人工神经网络。-xiaobobao、BP、gearbox fault detection
xiaobobao-BP-zhoucheng-zhenduan-
- 基于小波包特征向量与神经网络的滚动轴承故障诊断。：基于故障轴承的特征提取，提出了将小波包分析与神经网络结合的滚动轴承故障诊断方法。对滚动轴承信号进行3层小波包分解，构造小波包特征向量作为故障样本，用训练好的BP神经网络进行故障诊断，试验结果表明，该方法能够有效地诊断出滚动轴承的故障类型。-Fault Diagnosis of Rolling Bearings Based on W avelet Packet Energy Eigenvector and Neural Network
2
- 针对齿轮的故障诊断,提出了一种基于小波特征提取和BP神经网络的诊断系统,利 用小波分解后各频段能量的分布作为特征向量输入神经网络。试验表明该方法能准确地诊断出齿 轮的故障,具有广泛的应用前景 - Aimed at the gear fault diagnosis, a diagnosis systemwhich based on thewavelet for picking up character and BP neural network are proposed, the
KL_SVD_face_recognition
- PCA主成分分析，采用KL投影和SVD分解提取人脸特征向量，最后采用最近邻判别法计算识别率。-Face recognition based on PCA. KL projection and SVD are used to extract face eigenvectors. Recognition rate is calculated by k nearest neighbors(KNN) method.