搜索资源列表
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练
chap11
- 本目录主要包括：文档和两个源代码。 其中一个源代码是识别程序的，另一个是一个矩阵类库的，书里面也使用过，所以一并附上。 因为已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行\\Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。 当然读者也可以自行用训练样本训练网络，不过要特别注意训练样本的选择，否则可能造成识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练
bp_figure_recogniton
- 是matlab源码，利用bp网络实现0～9数字识别系统，友好的系统界面，包括训练样本和含噪声的数字图片。-Matlab source code is the use of network bp realize 0 ~ 9 digital identification system friendly system interface, including the training samples and the number of ima
rbf
- 实现了RBF网络，已载入训练和测试样本，可根据需要将其更换-Achieved a RBF network, has been printed in the training and test samples may be needed to replace
bpqianming
- 基于BP神经网络的手写签名识别方法。训练样本，识别签名-Based on BP Neural Network Recognition of handwritten signatures. Training samples to identify the signature
Classification
- 模式分类。包括:训练样本设计、模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类法-Pattern classification. Include: training sample design, template matching classifier, Bayes classifier, a linear function of classification, non-linear classificati
Bayes
- 一个比较简单的模式识别问题。用female.txt 和male.txt 的数据作为训练样本集，建立Bayes 分类器，用测试样本数据set1.txt、set2.txt、set3.txt 对该分类器进行测试,分别应用单个特征及两个特征进行实验-A relatively simple pattern recognition problem. Female.txt and male.txt use data as a training sam
BP
- PSO训练BP网络的代码，训练样本被抽去了-PSO training BP network code, training samples were removing the
bp
- c语言编写的基于BP神经网络的对图像车辆分类，其中图像特征提取是用图像不变矩，给出了图像不变矩的样本数据和验证数据.rar-err
BP_xoBox
- 各种BP网络训练样本，如倒立摆，双螺旋线，双积分系统等-A variety of BP network training samples, such as the inverted pendulum, double helix, double-points system, etc.
wavelet-sofm
- 本文运用了神经网络中的自组织向量机和小波变换相结合，实现了图象的压缩，通过训练样本，得到好的结果-In this paper, the neural network of self-organizing vector machine and wavelet transform combining image compression achieved through the training samples obtained good r
shuzishibie
- 数字识别代码 第一步：训练网络。使用训练样本进行训练。（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。 首先，打开图像（256色） 再次，进行归一化处理。点击“一次性处理” 最后，点击“R”或者使用菜单找到相应项来进行识别识别的结果显示在屏幕上，同时也输出到文件result.txt中 该系统的识别率一般为90％ -Digital identification code the fi
svmclass
- 采用经典的机器学习分类算法SVM，对训练样本进行训练和学习，来实现对预定目标的分类。-Using the classic machine learning classification algorithm SVM, the training samples for training and study to achieve the intended target of the classification.
boostingDemo
- adaboost的实现算法，可进行人脸的样本训练-implementation of the AdaBoost algorithm, can be a sample of people face training
cro
- 已经保存了训练好的网络权值，所以第一次使用识别程序时，可以直接运行Release目录下的可执行文件，然后对图片目录中的测试图片进行读入、识别。当然也可以自行用训练样本训练网络，不过要注意训练样本的选择，否则可能识别率很低。训练样本选择的原则是，尽可能的有代表性，在训练时间不至于太长的情况下训练样本数目尽量多。 -Training has been well preserved network weights, so first us
Neural-network-recognition-system
- 使用说明 第一步：训练网络。使用训练样本进行训练。 第二步：识别。首先，打开图像（256色）；再次，进行归一化处理，点击“一次性处理”；最后，点击“R”或者使用菜单找到相应项来进行识别。识别的结果显示在屏幕上，同时也输出到文件result.txt中。 该系统的识别率一般情况下为90 。 此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
datainit
- 神经网络训练样本归一化程序，并能均匀的分离训练样本和检验样本-Neural network training samples normalized procedures, and uniform separation of training samples and testing samples
adaboost
- adboost分类器 matlab源程序 用于训练样本 实现分类 -adboost classfication
BP
- BP神经网络源程序及训练样本 -BP neural network source code and training samples
PCAfenlei
- 这是一个利用MATLAB利用PCA实现的简单分类程序，对于模式识别的初学者学习PCA知识并进行仿真会有很大帮助，其中male.txt和female.txt是训练样本，test.txt是测试样本，分类效果非常好。-This is a use of MATLAB to use a simple classification of the PCA implementation process, the PCA pattern recognit