论文研究流形学习算法及泛化研究 .pdf

常用的全局二值法和局部二值法算法存在细节丢失、噪声引入、运算时间过长等弊端。为此提出了一种多窗口图像二值化算法，采用多窗口模板分别对图像进行简单二值化处理，对不同窗口处理下获得的二值图进行综合判断，最

针对传统二值化方法的搜索时间长、图像保真度差等缺陷，利用演化算法具有搜索速度快、图像保真度高、全局寻优等特点，来解决图像二值化阈值难以选取的问题。以车牌图像的二值化为例，针对图像的复杂特征设计出图像演

数据结构可视化技术是程序理解与调试的一种重要支撑。为解决其中一类应用广泛的数据结构——单链结构的可视化问题，提出一种实时识别与可视化布局算法。首先根据结点入度、主前驱指针和次前驱点集合等结点属性变化对

这是好的流形学习算法.比较高深,识别率比较高,希望对大家有帮助.

一种面向图像分类的流形学习降维算法.pdf

摘　要:超分辨率技术是由低分辨率图像复原出高分辨率图像的技术。针对人脸图像进行基于学习的超分辨率技术研究,将流形学习算法融入到超分辨率算法中,并且将其用于人脸图像的超分辨率复原。对流形学习应用于基于

研究泛逻辑的泛与运算模型、泛或运算模型与模糊非之间的关系。证明了零级泛与运算模型T(x,y,h)、零级泛或运算模型S(x,y,h)与强非N(x)=1-x形成DeMorgan三元组，当h∈(0,0.75

流形就包括各种维数的曲线曲面等。和一般的降维分析一样，流形学习把一组在高维空间中的数据在低维空间中重新表示。和以往方法不同的是，在流形学习中有一个假设，就是所处理的数据采样于一个潜在的流形上，或是说对

基于深度学习的场景识别算法研究，姜轩，俎云霄，近几年，深度学习在计算机视觉领域取得了巨大的成就，场景识别作为计算机视觉中重要的研究方向具有一定的挑战性。随着数据规模的

基于深度学习的人脸识别算法研究，赵学斌，张雷，传统的人脸识别算法主要是基于图像的浅层特征提取，比如LBP、SIFT、HOG等图像特征描述算子，然后进行多种浅层特征融合，PCA降维之后��