搜索资源列表
BPC++
- Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It solves C-SVM classification, nu-SVM classification, one-class-SVM, epsilon-SVM regression, and nu-SVM regression. It also provides an automatic mo
Emerging.Topics.in.Computer.Vision
- 深入浅出介绍计算机视觉的最新动态。内容包括： * Camera calibration using 3D objects, 2D planes, 1D lines, and self-calibration * Extracting camera motion and scene structure from image sequences * Robust regression for model fitting using M-estimators, RANSAC, and
RSC
- 强壮的人脸识别系统，发表于cvpr2011年，程序是应用matlab实现-Recently the sparse representation (or coding) based classifi cation (SRC) has been successfully used in face recognition. In SRC, the testing image is represented as a sparse linear combination of the trai
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验
m1
- 用边缘检测算法检测的圆的像的边缘点，并用多元线性回归求出椭圆的方程，然后按照我们的模型中提供的方法，求出每个圆心的像的位置-Using edge detection algorithm to detect the edge of the image circle points, and multiple linear regression equation of the ellipse obtained, and then follow the model provided by our met
GMM-Libraries-for-Matlab
- GMM-GMR!高斯混合模型-高斯混合回归-Gaussian Mixture model-Gaussian Mixture Regression!
Logistic-regression
- Logistic regression，逻辑斯特模型论文-Logistic regression, logistic model papers
RSC
- 人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
Wavelet
- 用Java编写的网络流量预测的源程序，其中用到了Mallat快速小波变换和自回归AR模型。-Jmichelle network traffic prediction of the source program, including the use of the Mallat fast wavelet transform and regression AR model.
svm
- 有关一元回归的绝好源码，受益终生，收藏典范-For an excellent source of a regression, a lifetime collection a model
glmfit_fda
- 拟合正则广义线性模型，编制glmfit函数，解决logistic回归模型-Fitting regular generalized linear models, the preparation glmfit function to solve the logistic regression model
yucemaltab3
- 分析地平类药物分子结构和熔点之间关系,编制相应的MATLAB程序,分别建立回归方程和人工神经网络2种方法的模型.选取14个地平类药物作为回归方程和人工神经网络2种方法建模的样本,再选另外4个地平类药物作验证,分别进行2种方式的建模和测试对比.结果表明:人工神经网络模型比回归方程方法在预测地平类药物的熔点时取得更加准确的估计.-The relationship between the structure and melting point analysis horizon drug molecul
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
m13
- 针对户外视频监控存在光照变化这一问题, 提出一个用于准确完成目标检测的实时背景建模框架. 考虑到目标检测 的准确性要求, 建立基于帧间像素亮度差统计直方图的像素亮度扰动阈值. 在此基础上, 针对背景建模的实时性要求, 提出一种基于自回归背景模型的参数快速更新方法. 鉴于不同光照变化的适应性要求, 定义对光照变化不敏感的背景纹理模型. 上述模型统称为自回归{ 纹理(Auto regression and texture, ART) 模型, 该模型适应于户外光照变化. 基于该模型构建像素亮度和纹
svm
- 在机器学习领域，支持向量机SVM(Support Vector Machine）是一个有监督的学习模型，通常用来进行模式识别、分类、以及回归分析-In the field of machine learning, support vector machine SVM (Support Vector Machine) is a supervised learning model, typically used for pattern recognition, classification, and
svm-seg
- In machine learning, support vector machines (SVMs, also support vector networks[1]) are supervised learning models with associated learning algorithms that analyze data and recognize patterns, used for classification and regression analysis. Given a
Image-Annotation
- 目前主题回归多模式潜在狄利克雷分配（tr-mmLDA），一个新颖的统计主题模型的图像和视频注释的任务。 在我们的新注释模型的核心是一种新颖的潜变量回归方法来捕获图像或视频特征和注释文本之间的相关性。 我们的方法不是在两个数据模态之间共享一组潜在主题，如在对应关系LDA的公式中，我们的方法引入了回归模块来关联两组主题，其捕获更一般的关联形式，并允许主题的数量 2个数据模态不同。 我们证明tr-mmLDA对2个标准注释数据集的功率：一个5000图像子集的COREL和一个2687图像的LabelMe数
landsat_gapfill
- Landsat ETM SLC-off遥感影像条带修复工具,采用多影像局部自适应回归分析模型方法(Landsat ETM SLC-off remote sensing image belt repair tool, using multi image local adaptive regression analysis model method)
Schmidt-Segmentation (HMM heart sound)-Code-master
- Matlab code for the Schmidt HMM-based heart sound segmentation. An example of the implementation of this code can be found in “run_Example_Schmidt_scr ipt.m”. This code is derived from the paper: S. E. Schmidt et al., "Segmentation of heart s
Taget_Detcetion_tracking
- 该项目包含特征提取，模型判别，运动建模，特征提取包含Haar-like，HOG，判别包含岭回归，SO-SVM，测试数据集为2013Tracking-Benchmake BlasketBall手动标注图像(The project includes feature extraction, model discrimination, motion modeling, feature extraction including Haar-like, HOG, discriminant inclusion