暂无评论
自20世纪60年代以来,模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变,然后围绕模式分类这个模式识别的核心问题,就概率密度估计、特征
本文围绕模式识别的核心问题——模式分类概述了近年来在概率密度估计、特征选择和变换、分类器设计等方面的重要研究进展，并分析了最近的发展趋势。
一非参数估计法之Parzen窗估计与K最近邻估计本实验的目的是学习Parzen窗估计和k最近邻估计方法.在之前的模式识别研究中我们假设概率密度函数的参数形式已知即判别函数J.的参数是已知的.本节使用非
研究如何从挠度数据出发,综合运用模式识别技术和数据分析技术,能有效检测桥梁中某些 类型的损伤和隐患。将模式识别中的近邻算法与K2均值算法相结合,应用到桥梁检测中,提出了一种新的桥梁异常检测方 法
基于模式识别的水文预报模型，周念来，纪昌明，根据水文预报中不确定性因素显著，但预测对象与预测因子之间因果关系明显的特点，建立了由模糊聚类分析和人工神经网络组成的模式
近年来，深度学习中的卷积神经网络已经广泛运用于图像识别领域，它不仅显著提升了识别准确率，同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题，引入卷积神经网络（CNNs）理论，设
根据图像的不变矩特征，应用BP神经网络实现了图像的模式识别
针对人体动作识别中传统方法在分类决策方面存在的问题和缺陷，提出了一种新颖的基于深度神经网络（DNN）和遗传算法（GA）合并算法的非线性分类决策方法。首先提出的合并算法在整个训练集合上对特征提取器进行组
实现简单的模式识别中聚类分类算法，用matlab实现的
基于MATLAB，数字图像处理，更便于图像的识别和分类
暂无评论