搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
zaixianqianmingjianding
- 本程序是一个在线签名鉴定的核心代码，在这个系统中数据输入和系统的训练与识别是分开的-this procedure is an online signature verification of the core code, in this system of data input and system training and recognition are separate
bpann
- 基于神经网络算法，构建了一个三层的bp网络，用来识别5，6，7，8，9五个数字，在matlab环境下运行成功，对于了解神经网络控制算法很有帮助,并附有训练和测试数据
smc
- 手写体数字识别软件 用三种方法，由于训练数据的确实没有对数字2和3的识别
a
- 图像数据中从每个人的图像中选取三张图像组成训练数据，其余的组成测试数据的一段语句
Classify
- VC实现的手写体识别程序。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别， Bayes分类器识别（使用二值数据的Bayes方法,最小错误概率的Bayes方法，最小风险的Bayes方法)，线性函数分类法识别（Fisher算法，奖惩算法，增量校正算法，LMSE算法的识别），非线性分类法（势函数法）识别，神经网络分类法识别（包括神经网络训练，神经网络建立后输出权值，测试与比较，神经网络识别）。 运行完全正确，是学习VC实现不同分类识别方法的很好代码。
qpso-svm
- 本程序用量子行为的粒子群算法训练支持向量机，并用IRIS数据验证了该方法的有效性
使用pca人脸检测
- 使用pca算法进行人脸检测。挺好用的，自带训练好的数据。
adaboost
- 基于ADABOOST的人脸检测代码，使用继承的策略，包括特征的计算，提取，ADABOOST训练，级联，最后训练出数据，还有注释，可以帮助大家研究ADBOOST-Based on ADABOOST face detection code, the use of inheritance strategies, including the calculation of features, extraction, ADABOOST training cascade, the last train out
testPNN
- /*模式训练*/ Training(int,int,int,char*,char*,char*) 参数： 模式个数（即网络的第一隐层节点数） 模式维数（即网络的输入层节点数） 模式类别数(即网络的输出层节点数) 计算中心控制矢量时所用的变换函数核 第二隐层权值的训练算法 训练模式所在的文件名称 /*模式分类*/ Classifying(int,char*) 参数： 需要分类的模式个数 分类数据-/* Model Training*/Tr
bp
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据.rar-err
Bayes-Iris
- 根据贝叶斯原理设计的一个简单的分类器，利用已知样本数据训练后，分类器就可以对未知样本进行分类。（实验时采用的是Iris数据集。）-According to the design of a simple Bayesian classifier, using the known training sample data, the classifier can classify the unknown samples. (Experiments using the Iris data set.)
gui-bp-shenjing
- 里面的程序是bp神经网络的应用，另一个回归分析的程序还没有写。可以实现的功能是利用神经网络，然后上传数据，根据数据训练网络，然后可以输入部分数据，验证网络。通过界面来设计实现-Which the program is applied bp neural network, another regression analysis program also did not write. Function can be achieved by using neural network, and then
ELM
- 极限学习机，类似单层神经网络学习，可以用于稀疏表示中数据训练分类-extreme learning machine
3DPeS_ReId_Snap
- 步态图像数据，可以用于目标跟踪中的步态数据提取训练(Gait image data, can be used for gait data extraction training in target tracking.)
训练Hog以及检测
- 对行人图片提取hog数据量然后对其检测 用svm数据分类(The data of hog data is extracted and then classified by SVM data)
picstomat
- 将图片转化为.mat格式的数据，用于训练。(transfer pictures to .mat data.)
UCI的光学字符识别数据集
- 其目标是将大量黑白矩形像素显示器中的每一个识别为英文字母中的26个大写字母之一。字符图像基于20种不同的字体，并且这20种字体中的每个字母随机失真以产生20,000个独特刺激的文件。每个刺激被转换成16个基本的数字属性（统计矩和边缘计数），然后将其缩放以适合从0到15的整数值范围。我们通常在前16000个项目上进行训练，然后使用结果模型预测剩余的4000个字母类别。请参阅上面引用的文章以获取更多详细信息。(The objective is to identify each of a large
人头训练正负样本数据集
- 用来训练人头识别模型的正负样本数据集，正样本数据已经resize化。(The positive and negative sample data set is used to train the head recognition model, and the positive sample data has been resize.)
决策树训练及分类
- 该压缩包包括两个文件： 1、main.m 将训练数据输入到决策树中，训练并在自动分好的测试数据上测试，并保存训练好的决策树 ctree.mat文件。 2、classification.m 加载训练好的决策树，使用决策树对新输入的数据进行分类。 该方法主要用于对SLIC超像素块进行分类，稍加修改可以用于其他数据分类。(The compression package consists of two files: 1. Main. m inputs training data into decisio