sift特征點(diǎn)對(duì)應(yīng)匹配算法
sift特征點(diǎn)對(duì)應(yīng)匹配算法，對(duì)立體匹配的初學(xué)者和資深編程人員都是很有用的。...
特征技術(shù)資料
?? 資源總數(shù)：1406
?? 源代碼：2431
探索特征技術(shù)的精髓，掌握從信號(hào)處理到模式識(shí)別的核心原理。本頁面匯集了1406個(gè)精選資源，覆蓋圖像處理、語音識(shí)別及機(jī)器學(xué)習(xí)等多個(gè)前沿領(lǐng)域，助力您深入理解特征提取與選擇的關(guān)鍵技術(shù)。無論是初學(xué)者還是資深工程師，都能在這里找到寶貴的學(xué)習(xí)資料和實(shí)用工具，加速您的項(xiàng)目開發(fā)進(jìn)程。立即訪問，開啟您的專業(yè)成長之旅！
?? 特征熱門資料
查看全部1406個(gè)資源 ?這是個(gè)java6新增的webservice新特征的demo
這是個(gè)java6新增的webservice新特征的demo，很簡單，但卻是一個(gè)真正意義的webservice....
提出了一個(gè)新的超聲缺陷自動(dòng)識(shí)別系統(tǒng)。該系統(tǒng)采用小波包分解提取超聲信號(hào)的特征,采用混沌遺傳算法來消除冗余和不相關(guān)的特征,并采用支持向量機(jī)(SVM) 來對(duì)缺陷進(jìn)行識(shí)別。
提出了一個(gè)新的超聲缺陷自動(dòng)識(shí)別系統(tǒng)。該系統(tǒng)采用小波包分解提取超聲信號(hào)的特征,采用混沌遺傳算法來消除冗余和不相關(guān)的特征,并采用支持向量機(jī)(SVM) 來對(duì)缺陷進(jìn)行識(shí)別。...
傳感器網(wǎng)絡(luò)探測(cè)聲信號(hào)通過特征提取進(jìn)行目標(biāo)設(shè)別分類
傳感器網(wǎng)絡(luò)探測(cè)聲信號(hào)通過特征提取進(jìn)行目標(biāo)設(shè)別分類...
采用時(shí)頻分布參數(shù)來描述語音特征
采用時(shí)頻分布參數(shù)來描述語音特征，對(duì)基于正弦模型的多種時(shí)頻參數(shù)進(jìn)行了比較...
?? 特征源代碼
查看更多 ??? 特征資料分類