本文首先簡(jiǎn)要回顧了人臉識(shí)別技術(shù)的研究背景及發(fā)展歷程,對(duì)目前人臉特征提取與識(shí)別 的主要方法進(jìn)行了分類總結(jié)。通過對(duì)各種特征提取與識(shí)別方法的分析與比較,總結(jié)了當(dāng)前存在的技術(shù)困難,并展望了今后的研究趨勢(shì)。
標(biāo)簽： 特征提取 人臉識(shí)別技術(shù) 人臉 背景
上傳時(shí)間： 2017-04-21
上傳用戶：gengxiaochao
對(duì)采集到的電壓信號(hào)進(jìn)行小波包分解提取特征向量，再進(jìn)行BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練
上傳時(shí)間： 2013-12-17
上傳用戶：鳳臨西北
基于特征目標(biāo)跟蹤程序 matlab 程序
標(biāo)簽： matlab 程序 特征 目標(biāo)跟蹤
上傳時(shí)間： 2017-04-24
上傳用戶：rishian
832658matlab編的特征匹配（控制點(diǎn)）,做這方面的朋友不妨參考。
標(biāo)簽： 832658 matlab 特征匹配 控制
上傳時(shí)間： 2013-12-29
上傳用戶：ynwbosss
人臉特征提取經(jīng)典PCA方法的matlab源碼，做這方面的朋友不妨試試。
上傳時(shí)間： 2017-04-27
上傳用戶：dengzb84
語音識(shí)別技術(shù)主要包括特征提取技術(shù)、模式匹配準(zhǔn)則及模型訓(xùn)練技術(shù)三個(gè)方面。此外，還涉及到語音識(shí)別單元的選取。選擇識(shí)別單元是語音識(shí)別研究的第一步。語音識(shí)別單元有單詞（句）、音節(jié)和音素三種，具體選擇哪一種，由具體的研究任務(wù)決定。
標(biāo)簽： 語音識(shí)別技術(shù) 特征 提取技術(shù) 準(zhǔn)則
上傳時(shí)間： 2017-05-05
上傳用戶：kiklkook
本書主要介紹了核心語言、核心Java庫(kù)、服務(wù)器端Java技術(shù)、客戶端Java技術(shù)和企業(yè)級(jí)Java技術(shù)。其中 核心語言部分討論了語法、面向?qū)ο缶幊烫卣骱汀╆P(guān)鍵技術(shù)；核心Java庫(kù)部分討論了輸入/輸出、模式匹配、 文件鎖、映射的I/O技術(shù)以及數(shù)據(jù)結(jié)構(gòu)與集合；服務(wù)器端Java技術(shù)部分討論了JFC/Swing CGI開發(fā)、Applet、容器布局以及圖形編程等技術(shù)；企業(yè)級(jí)Java技術(shù)部分討論了JDBC API、EJB體系結(jié)構(gòu)的基礎(chǔ)知識(shí)、Java平臺(tái)安全方案以及XML。 本書結(jié)構(gòu)嚴(yán)謹(jǐn)、語言流暢，是一個(gè)學(xué)習(xí)Java 2最新技術(shù)的綜合參考書，適合各種層次的Java編程人員使用。
上傳時(shí)間： 2017-05-05
上傳用戶：pkkkkp
Chameleon算法是一種通過在合并兩類時(shí)用更高 的標(biāo)準(zhǔn)來提高聚類質(zhì)量的聚類算法,它既考慮了互連 性,又考慮了近似度,特別是簇內(nèi)部的特征,因而能夠 自動(dòng)地適應(yīng)被合并簇的內(nèi)部特征,因此具有較強(qiáng)的發(fā) 現(xiàn)任意形狀和任意大小簇的能力。Chameleon算法首 先由數(shù)據(jù)集構(gòu)造成一個(gè)K-最近鄰圖Gk,再通過一個(gè) 圖的劃分算法將圖Gk劃分成大量的子圖,每個(gè)子圖 代表一個(gè)初始子簇,最后用一個(gè)凝聚的層次聚類算法 反復(fù)地合并子簇來找到真正的結(jié)果簇。
上傳時(shí)間： 2013-12-11
上傳用戶：caozhizhi
這是一篇有關(guān)運(yùn)動(dòng)目標(biāo)分類的英文文獻(xiàn)。這篇文獻(xiàn)以離散度作為分類特征，利用時(shí)間一致性，提高了分類性能。內(nèi)容也不是很深?yuàn)W，相信對(duì)初學(xué)者有較大的幫助。
標(biāo)簽： 分類 運(yùn)動(dòng)目標(biāo) 英文 離散
上傳時(shí)間： 2013-12-25
上傳用戶：stella2015
給出兩個(gè)加權(quán)特征，一個(gè)是加權(quán)筆畫密度特征，另外一個(gè)是加權(quán)外圍特征，用一級(jí)漢字實(shí)驗(yàn)結(jié)果表明，這兩個(gè)特征具有很強(qiáng)的漢字信息，能很好的為模式分類提供有效的特征
上傳時(shí)間： 2017-05-15
上傳用戶：zhuoying119
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
