搜索资源列表
pca-svm
- 本程序用于对训练样本提取独立主元，作为样本特征，并送入SVM分类器中训练图像的预处理中不取对数，也无须做幅度归一，由ICA的应用条件决定的。预处理后的图像以向量的形式按行排列
pca
- 主分量分析的源程序，可以用于降阶，压缩图像，还可用于ICA的预处理
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_guipack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
imageshow
- 用于图像处理的图形用户界面，可实现图像的翻转、加噪、边缘提取等功能。-For image processing graphical user interface, can be flipped images, noise, edge detection and other functions.
AnimprovedBayesianfacerecognitionalgorithm
- 对人脸识别的贝叶斯方法ML中相似度计算公式进行了简化，对数据集的训练和人脸图像的预处理进 行了修改，提出了一种改进的贝叶斯人脸识另1】算法SML。在FERET人脸图像库的子集和南大人脸图像实验库上对 识别算法进行了测试和比较。实验表明，SML算法提高了ML算法的效率，克服了ML算法计算效率不高的缺陷，而 且SML的识别效率明显高于pca方法。-Bayesian face recognition method on the ML in the similarity formula ha
pca
- 利用python实现主成分分析，主要用在图像处理等领域-Use python to achieve the principal component analysis, mainly used in the field of image processing, etc.
bouking
- LCMV优化设计阵列处理信号，用于图像处理的独立分量分析，Gabor小波变换与pca的人脸识别代码。- LCMV optimization design array signal processing, Independent component analysis for image processing, Gabor wavelet transform and pca face recognition code.
pca(test)
- 完整的pca 人脸识别的应用包括几个步骤：人脸图像预处理；读入人脸库，训练形成 特征子空间；把训练图像和测试图像投影到上一步骤中得到的子空间上；选择一定 的距离函数进行识别-We present an approach to the detection and identification of human faces and describe a working, near-real-time face recognition system which tracks a s
kunmang_v48
- 中介真值程度度量，基于中介真值程度度量的图像分割借鉴了主成分分析算法（pca），研究生时的现代信号处理的作业。- The true extent of the value of the intermediary measure, measure the true extent of the agency based on the value of image segmentation It draws on principal component analysis algorithm (pca)
PgBulkInsert-master
- 代码分为两部分，训练和测试，1、将训练图像的地址保存在taining_set.txt文件中，2、分别对训练图像进行预处理和特征提取，提取图像的LBP纹理图，再使用pca方法进行降维。3、使用cvSVN进行分类-Face recognition The code is divided into two parts, training and testing, 1, the training image is stored in the taining_set.txt file, 2, resp
henpui_V4.1
- 正确率可以达到98％，用于图像处理的独立分量分析，Gabor小波变换与pca的人脸识别代码。- Accuracy can reach 98 , Independent component analysis for image processing, Gabor wavelet transform and pca face recognition code.
nuimiu_v87
- 最小二乘回归分析算法，用于图像处理的独立分量分析，借鉴了主成分分析算法（pca）。- Least-squares regression analysis algorithm, Independent component analysis for image processing, It draws on principal component analysis algorithm (pca).
genmui_v32
- 完整的图像处理课设，包含所有源代码，汽车图像，到达过程是的泊松过程，是学习pca特征提取的很好的学习资料。- Complete class-based image processing, contains all of the source code, auto image, Arrival process is a Poisson process, Is a good learning materials to learn pca feature extraction.
ImageClassification-master
- 在这个项目中，我们的目标是建立一个识别和大小231x231图像呈现对象分类系统。我们得到了一组训练图像，每四个标签之一：1飞机；汽车2；3马，否则。我们提供了两个特点：一是方向梯度直方图（HOG），其尺寸为5408；另一个是overfeat ImageNet美国有线电视新闻网的特点，其尺寸37000。关于测试图像，我们只给出了每个图像的功能，没有标签，结果判断由平地机。我们的目标是提供二进制和多个预测。平衡错误率（BER）是我们的性能评估。为了解决这个问题，我们首先减少pca的问题的维数，处理不
mvtde
- 快速扩展随机生成树算法，借鉴了主成分分析算法（pca），完整的图像处理课设，包含所有源代码，汽车图像。- Rapid expansion of random spanning tree algorithm, It draws on principal component analysis algorithm (pca), Complete class-based image processing, contains all of the source code, auto image.
pca
- 大数据降维方法，具体的处理了图像等，包括数据的冗余部分，利用pca技术快速降维。(Large data dimensionality reduction method.Specifically dealing with images, including redundant parts of data, and using pca technology to reduce dimensionality rapidly.)