搜索资源列表
SVM1
- 这是一篇关于SVM模式识别的硕士论文，应用在织物的检测上，很不错的，希望对大家有用-SVM pattern recognition on the master's thesis applied to the detection of fabric, it is very good. We hope to useful
SVM
- 讲述svm在人脸识别中的应用的一篇质量上乘的演示ppt
svm
- 关于SVM支持向量机的算法，对于研究手势识别和人脸识别有很大参考价值。-About SVM support vector machine algorithms, gesture recognition and face recognition for the study of great reference value.
svm_face_recognition
- 一篇很不错的关于人脸表情识别的论文。论文提出了一种基于人脸局部特征的表情识别方法，先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机( SVM)设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机( SVM)表情分类器,确定表情图像的所属类别。-A very good facial expression recognition on paper. This paper proposes a feature based on local expression
SVM
- 本书介绍的支持向量机方法，是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。-This book introduces the support vector machine method is based on statistical learning theory, VC dimension and structural risk mi
svm
- 关于文字识别中SVM的理论基础和技术。以及SVM的特点。-The theoretical basis of the text recognition in SVM.
DCT
- 提出了一种基于DCT提取人脸特征技术和支持向量机分类模型的人脸识别方法。利用离 散余弦变换可提取人脸可识别的大部分信息,而支持向量机作为分类器,在处理小样本、高维数等 方面具有独特的优势,且泛化能力很强,无需先验知识。从ORL 人脸库上的实验结果可以看出, DCT特征提取是很有效的,且SVM的分类性能优于最近邻分类器,同时提高了整个系统的运算速 度。-A face recognition method based on DCT for face feature extractio
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
Partial-discharge-signals-of
- 提出了基于主动学习SVM的局部放电模式识别方法。将主动学习的思想引用到“一对一”多分类SVM分类器,选用基于后验概率的釆样函数对放电样本进行选择,挑选出对分类器最有价值的样本进行训练。 -Puts forward the partial discharge pattern recognition method based on active learning SVM. Will reference to the one to one the ideology of active stud
Drawing-Vectorization-References
- 几篇图纸矢量化的论文。基于模板匹配和SVM的草图符号自适应识别方法。基于图形识别的建筑模型三维重建。基于拓扑结构的工程图纸识别方法。基于优化粒子群的NCC模板匹配算法。建筑构件智能识别方法研究。-Vector drawing of several papers.
fisher
- 人脸识别，分类SVM，对图片进行训练，标签，识别。-Face recognition, classification SVM