搜索资源列表
复杂网络提取图像边缘特征
- 使用复杂网络提取图像边缘特征并进行识别的源代码，采用PCA_LDA算法对特征进行降维分类识别，识别效率很高。鲁棒性好
BayesianClasser
- 贝叶斯分类器matlab版，可以用于图像分类，检索，模式识别相关工作-bayes classifier is useful to image classify
PCA_ORL
- Matlab环境下，实现用PCA方法提取EigenFace,之后通过SVM方法对人脸图像进行分类识别。-Face recognition via PCA and SVM method
fingerrecognize
- 本程序是在matlab的开发环境下，利用对指纹图像进行分类识别-This procedure is a development environment in matlab using the classification of fingerprint images to identify
SVMthreeMATLAB
- 实现三类的SVM分类，实现三类模式识别，对图像识别作用比较大，基于MATLAB7实现-Realizing the SVM classification, three kinds of pattern recognition, and image recognition based on bigger role, MATLAB7 realization
CODE
- 1.GeometricContext文件是完成图片中几何方向目标分类。 参考文献《Automatic Photo Pop-up》Hoiem 2005 2 GrabCut文件是完成图像中目标交互式分割 参考文献《“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts》 C. Rother 2004 3 HOG文件是自己编写的根据HOG特征检测行人的matlab代码 4 虹膜识别程序
KB-Detector-src
- 功能说明：输入一幅图像，能对此图像检测关键点，这些点通常对应图像中的重要对象，可用于对象识别，也可用来作为特征进行图像分类。运行其中的例程Ldx_GoSalScale.m，就可以知道此程序的用法（调试环境matlab7.0）。-Function: input image, this image can detect critical points, these points usually correspond to an important object of the image can be
PCA
- 采用数字图像主分量分析（PCA）算法实现人脸识别（身份认证或分类）-Principal components using digital image analysis (PCA) algorithm for face recognition (identity or category)
Face-recognition-method
- 基于PCA 和BP 神经网络的人脸识别方法是针对 PCA 方法中存在的高维数问题和它对未训 练过的样本识别率低的缺点而提出的。该方法在预处理的基础上，利用粗糙集对 PCA 降维处理后的人脸特征进行约简，提取其中分类能力强的特征，实现在识别精度不变的情况下，有效的去除冗余信息；然后将约简后的属性输入到神经网络进行规则提取，利用神经网络非线性映射和并行处理的特点，增强对人脸图像识别的泛化能力。实验证明，使用该方法在识别率上有一定的提高-Face recognition method based
content_based_image_recongnition
- 基于内容的图像识别-支持向量机方法-8分类-Content-based image recognition- classification of support vector machines-8
Gabor_matlab
- matlab图像处理非常重要，Gabor小波提取特征,然后用支持向量机作分类器，可以用于掌纹，人脸，指纹识别-Gabor wavelet feature extraction, and then use the support vector machine classifier, can be used for palmprint, face, fingerprint recognition
fruit-recognition
- 水果分类 fruit recognition 运行demo即可 这个程序主要是通过对训练样本中的三幅图像提取的颜色信息建立混合高斯模型，然后对目标图像进行测试。 在demo最后一段中，可以替换‘t1.jpg’，以便进行不同图片的识别。 程序运行过程比较慢，请耐心等待。 运行结果是蓝色点聚集的区域是属于橘子的。- fruit recognition
face-recognition----matlab
- 实现了人脸识别的功能，特征提取，人脸图像预处理、K-L变换、特征提取及分类器设计，全自动的人脸自动识别系统-Face recognition, feature extraction, face image preprocessing, KL transform, feature extraction and classifier design, automatic automatic face recognition system
RBM
- 关于深度玻尔兹曼机的工具箱，可以进行图像的分类和识别。-About Deep Boltzmann Machine Toolbox,which you can use for image classification and identification.
Logistic_Regression
- 正规化的逻辑回归，可实现图像的分类识别,如人脸识别，数字识别-Logistic Regression with regularisation, can be used for image classification
模式识别分类器
- 贝叶斯识别，可对图像数据进行分类的算法，其中包含5个m文件(Bias recognition, image data can be classified algorithm, which contains 5 m files)
基于小波变换的klda人脸识别
- 基于小波变换的klda人脸识别，首先用小波变换对原始输入人脸图像进行预处理，再将基于核的线性判别分析应用于人脸识别中的最佳特征抽取，最后使用欧氏距离分类器实现人脸分类。通过对ORL标准人脸库中的人脸图像进行识别实验，本文提出的方法在人脸识别上取得了较高的识别率。
贝叶斯人脸识别
- Pattern-Recognition-and-Machine-Learning-master,项目包括使用贝叶斯分类器的字符识别，基于GMM的图像分割，使用PCA的人脸识别和具有径向基函数的多类SVM分类器(Pattern-Recognition-and-Machine-Learning-master)
BCI_MI_CSP_DNN
- BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。 基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序 本程序的原理基于CSP和DNN算法 这个程序的性能是基于BCI竞赛II数据集II 提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上，采用共空间模型(CSP)方法提取脑电图特征矩阵，并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实
rbf
- 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。 简单说明一下为什么RBF网络学习收敛得比较快。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局逼近网络的学习速度很慢。BP网络就是一个典型的例子。(RBF network