自己編寫的實現時間序列中的關建點搜索，在相似搜索和分類特征提取中常用,程序中有詳細說明
上傳時間： 2017-09-06
上傳用戶：qiaoyue
基于DSP的手勢識別系統，研發實現了一套基于DSP的手勢識別系統，文章整個分為：手勢圖像的獲取；預處理；特征提取；識別和人機交互四部分。
標簽： DSP 手勢識別
上傳時間： 2015-07-17
上傳用戶：Eliza
中文文本分類，Java實現，包括數據預處理（去停用詞，分詞），特征提取，分類等
標簽： 文本分類
上傳時間： 2015-12-20
上傳用戶：yashquan
現代數字圖像處理技術中的各種算法，1.6+尺度不變特征提取，1.3+圖像的邊緣檢測，2.1圖像目標邊界描述
標簽： 圖像處理
上傳時間： 2016-01-29
上傳用戶：z13202013
圖像特征提取，從運動圖像中提取背景信息的軟件模塊
上傳時間： 2017-08-29
上傳用戶：perfect
圖像拼接相關資源，包括特征提取，特征匹配等等。
上傳時間： 2017-12-14
上傳用戶：fengtuanzi
人口老齡化是世界各國正在面對的一個普遍問題。隨著我國老齡化程度的持續加劇，對于老年人群體的醫療資源投入會不斷提高。而與此同時，跌倒已經成為老年人日常生活中最為常見的危險行為活動。所以，跌倒檢測系統的研究和應用對降低老年人受到的身心傷害和醫療成本具有顯著的意義。目前解決老年人跌倒檢測的方案仍存在許多不足。其中，基于計算機視覺的跌倒檢測技術在無干擾的場景下檢測較為有效，但其易受環境變化（如背景光線影響、人遮擋問題等）影響。此外，基于可穿戴計算的跌倒檢測技術受限于算法穩定性和識別準確率，系統的靈敏度和特異性難以同時得到保證。針對上述問題本文提出一種融合計算機視覺和可穿戴計算數據的跌倒檢測新的方法。首先，設計并開發了集成三軸加速度計、三軸陀螺儀和藍牙的活動感知模塊，實現實時采集、傳輸人體活動數據：其次，使用深度學習算法從攝像頭采集的圖像數據提取人體姿態特征數據：最后，對采集的人體活動數據和姿態數據進行規范化和時序化處理，設計了兩個深度學習網絡分別對數據進行特征提取，并將兩特征進行特征層數據融合，在此基礎上構建神經網絡對融合數據進行活動本文搭建了實驗平臺并進行了算法測試，其中，本文跌倒檢測算法針對離線測試數據的準確率為992%，平均敏感度為995%、平均特異性為99.8%：針對在線數據系統測試準確率為98.9%、平均敏感度為99.2%、平均特異性為99.5%實驗結果證明了利用計算機視覺和可穿戴計算數據融合的跌倒檢測具有較高的準確率和魯棒性。
上傳時間： 2022-03-14
上傳用戶：bluedrops
隨著杜會和經濟的發展，環境水污染現象也日趨嚴重，迫切需要環境水質多參數監測與智能分析系統，以為環境監測、管理和控制提供科學的手段。水質多組分檢測涉及到多傳感器數據融合、計算機技術、電化學分析和人工智能等多學科的交叉，在眾多領域有著廣泛的應用。本論文研究環境水質檢測與智能分析系統，論文的主要工作包括1）基于最小二乘支持向量機的在線自適應加權數據融合算法多傳感器數據融合由于能夠利用互補和冗余的信息，顯著提高系統的可靠性而得到了廣泛應用，而數據融合的關鍵問題是融合算法。本文深入研究了多傳感器數據融合理論的基礎上，針對傳統融合算法研究存在的問題，提出了一種基于最小二乘支持向量機的在線自適應加權數據融合算法，并應用到水質在線檢測過程中，不僅縮短了訓練的時間，而且提高了融合的可靠性和靈活性2）提出了一種離子傳感器的基于最小二乘支持向量機的自校正方法：由于離子傳感器的非線性、漂移和交叉敏感性等影響了其檢測精度和可靠性，難以進行連續在線檢測。以硝酸根離子傳感器為例，研究其自校正方法，以適應動態環境的連續監測根據實驗數據，詳細分析了硝酸根離子傳感器的響應特性，并考慮了零點和時間漂移，提出了一種基于最小二乘支持向量機硝酸根離子傳感器的自校正方法，給出了詳細描述和分析。3）離子傳感器故障檢測的小波支持向量機特征提取和支持向量機分類方法在線連續檢測的應用要求離子傳感器必須具有很高的可靠性，即能夠及時準確地判斷出離子傳感器的故障。本文采用小波支持向量機提取各傳感器故障特征，再用支持向量機對故障進行分類，實現對各離子傳感器的故障診斷。
標簽： 數據融合
上傳時間： 2022-03-18
上傳用戶：
隨著信息技術的發展以及嵌入式、人臉識別、計算機網絡等技術的提高，人們正在感受著科技帶來的便利和益處。 該系統通過攝像頭獲取人臉圖像,在后臺應用系統完成圖像識別,然后給單片機發送命令來控制門禁系統。軟件上首先利用小波變換對人臉圖像進行2次小波分解,然后對低頻分量進行離散余弦變換(DCT)提取特征值,最后利用歐氏距離和最近鄰分類器進行識別。采用OpenCV人臉識別算法進行處理輸出。達到該系統構建簡單、方便,識別速度快且準確率較高。 本文主要介紹了基于人臉識別算法的門禁系統的設計與實現。在對人臉識別算法研究的基礎上，進一步對整個門禁系統設計與實現進行了詳細闡述。主要內容包含以下幾點： 1．簡單的介紹了課題研究的背景、目的及意義，介紹了人臉識別的背景，闡述了國內外人臉識別的現狀以及人臉識別的難點，還介紹了相關的技術。 2．人臉識別算法的研究：主要對Gabor濾波算法、K-L變換算法、Haar特征提取算法這三種特征提取算法進行了詳細介紹，也對PCA和LDA這兩種人臉識別算法進行了詳細的闡述和實驗的對比。 3．門禁系統的設計與實現：從需求分析入手對系統的總體模式、總體結果、功能模塊、數據庫設計等各部分進行了簡單的介紹。 4．系統的測試：在對核心算法人臉識別進行了詳細的研究以及整個門禁系統的設計和實現結束后，對于整合實現的系統，進行了詳細的測試，并給出了功能測試報告和性能測試報告。 本文設計的基于人臉識別的門禁系統，在一定程度上可以較好的識別人臉.
上傳時間： 2022-05-28
上傳用戶：
內容提要第1章 機器學習概1.1 機器學習簡介 1.1.1 機器學習簡史 1.1.2 機器學習主要流派 1.2 機器學習、人工智1.2.1 什么是人工智能 1.2.2 什么是數據挖掘 1.2.3 機器學習、人工智1.3 典型機器學習應用1.4 機器學習算法 1.5 機器學習的一般流程 第2章 機器學習基本2.1 統計分析2.1.1 統計基礎2.1.2 常見概率分布2.1.3 參數估計2.1.4 假設檢驗2.1.5 線性回歸2.1.6 邏輯回歸2.1.7 判別分析2.1.8 非線性模型2.2 高維數據降維2.2.1 主成分分析2.2.2 奇異值分解2.2.3 線性判別分析2.2.4 局部線性嵌入2.2.5 拉普拉斯特征映射2.3 特征工程 2.3.1 特征構建2.3.2 特征選擇2.3.3 特征提取2.4 模型訓練2.4.1 模型訓練常見術語2.4.2 訓練數據收集 2.5 可視化分析 2.5.1 可視化分析的作用2.5.2 可視化分析方法 2.5.3 可視化分析常用工2.5.4 常見的可視化圖表 2.5.5 可視化分析面臨的挑戰
標簽： 機器學習
上傳時間： 2022-06-16
上傳用戶：
