opecv中支持向量機(jī)的編程示例 包括了二維和多維的特征分類的方法
標(biāo)簽： opecv 支持向量機(jī) 二維 多維
上傳時間： 2017-09-05
上傳用戶：爺?shù)臍赓|(zhì)
旋轉(zhuǎn)因子生成余弦交流信號過程。體現(xiàn)旋轉(zhuǎn)因子向量在轉(zhuǎn)動過程中，實(shí)軸投影隨時間改變生成余弦波。
標(biāo)簽： 旋轉(zhuǎn) 過程 交流信號 向量
上傳時間： 2014-12-07
上傳用戶：亞亞娟娟123
基于PSO訓(xùn)練SVM的人臉識別 利用支持向量機(jī)在學(xué)習(xí)能力方面表現(xiàn)的良好性能,結(jié)合核主元分析特征提取方法,將其應(yīng)用于人臉識別中,該方法在實(shí)驗(yàn)中表現(xiàn)了良好的識別性能,為人臉識別領(lǐng)域提供了一條新的識別途徑
上傳時間： 2014-12-03
上傳用戶：13160677563
關(guān)于特征向量提取的的英文文獻(xiàn),在人臉識別中有用,可以參考
上傳時間： 2017-09-10
上傳用戶：llandlu
針對SIFT算法復(fù)雜程度高，實(shí)時性差，在維數(shù)較高的圖像配準(zhǔn)中并不實(shí)用的問題，提出了一種基于線性鑒別分析（LDA）的SIFT算法（SIFT-LDA）。首先利用SIFT算法提取出圖像的特征點(diǎn)向量，然后用LDA方法對其進(jìn)行特征抽取并降維。通過高維自然圖像和單幅人臉圖像進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明SIFT-LDA算法在保證匹配精度的同時，實(shí)時性要優(yōu)于傳統(tǒng)的SIFT算法，其匹配時間相對于傳統(tǒng)SIFT算法縮短了將近一半。
標(biāo)簽： SIFT LDA 算法 圖像配準(zhǔn)
上傳時間： 2013-10-13
上傳用戶：392210346
在游客游跡跟蹤與追溯系統(tǒng)中，產(chǎn)生大量不確定數(shù)據(jù)，有效的Top-K查詢處理是不確定性數(shù)據(jù)管理中一項重要技術(shù)。研究了運(yùn)用Top-K檢索不確定數(shù)據(jù)的問題，定義了不確定數(shù)據(jù)流元組的查詢語義，提出了一種在記錄向量的基礎(chǔ)上的不確定數(shù)據(jù)查詢算法，并利用實(shí)例演示了查詢的過程。該算法按照元組的得分值進(jìn)行降序排列，概率值最高的前k個元組集合就是Top-K的查詢結(jié)果，實(shí)驗(yàn)結(jié)果表明，本文的算法更具高效性和實(shí)用性。
標(biāo)簽： Top-K RFID 數(shù)據(jù)流 查詢
上傳時間： 2013-10-27
上傳用戶：l銀幕海
具有結(jié)構(gòu)風(fēng)險最小化原則的支持向量機(jī)（SVM）對于小樣本決策具有較好的學(xué)習(xí)推廣性，并且故障樣本的不足在一定程度上制約了基于知識的方法在故障診斷中的運(yùn)用。針對這一問題，提出了利用支持向量機(jī)的方法對匝間轉(zhuǎn)子繞組短路故障診斷方法。該方法利用小波分析對探測線圈測得感應(yīng)電動勢進(jìn)行處理構(gòu)造特征向量，然后輸入到支持向量機(jī)的多故障分類器中進(jìn)行故障識別。實(shí)驗(yàn)數(shù)據(jù)表明該方法是可行、有效的，并且在小樣本的情況下，較BP神經(jīng)網(wǎng)絡(luò)有更好的分類效果。
標(biāo)簽： 支持向量機(jī) 發(fā)電機(jī) 匝間 轉(zhuǎn)子
上傳時間： 2013-11-04
上傳用戶：s363994250
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進(jìn)行初次降維，再利用LDA實(shí)現(xiàn)再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實(shí)驗(yàn)驗(yàn)證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識別 中的應(yīng)用
上傳時間： 2013-12-14
上傳用戶：alex wang
將支持向量機(jī)應(yīng)用到典型的時變、非線性工業(yè)過程—— 連續(xù)攪拌反應(yīng)釜的辨識中, 并與BP 神經(jīng)網(wǎng)絡(luò)建模相比較, 仿真結(jié)果表明了支持向量機(jī)的有效性與優(yōu)越性. 支持向量機(jī)以其出色的學(xué)習(xí)能力為工業(yè)過程的辨識提出了一種新的途徑.
標(biāo)簽： SVM 支持向量機(jī) 工業(yè)過程 辨識
上傳時間： 2013-10-17
上傳用戶：zhangdebiao
基于向量的中斷，大多數(shù)ARM開發(fā)這把中斷查詢的工作安排在初始化代碼部分完成，但是本程序優(yōu)化了一下，將查詢過程安排在中斷服務(wù)程序中進(jìn)行，這樣更加直觀合理
上傳時間： 2014-01-15
上傳用戶：ainimao
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
