Ta上传的资源 (0)

针对传统人脸识别方法在单训练样本条件下效果不佳的缺点，提出基于子模式的Gabor特征融合方法并用于单样本人脸识别．首先采用Gabor变换抽取人脸局部信息，为有效利用面部器官的空间位置信息，将Gabor人脸图像分块构成子模式，采用最小距离分类器对各子模式分类．最后对各子模式分类结果做决策级融合得出分类

本文首先介绍Boosting猜想提出以及被证实的过程,在此基础上,引出AdaBoost算法的起源与最初设计思想;接着,介绍AdaBoost算法训练误差与泛化误差分析方法,解释了算法能够提高学习精度的原因;然后,分析了AdaBoost算法的不同理论分析模型,以及从这些模型衍生出的变种算法;之后,介绍A

一篇EI检索期刊，题目《低压电力线通信信道噪声建模及仿真》。分别建立了背景噪声的自回归模型和脉冲噪声的改进马尔科夫模型，合成了电力线信道噪声。

提出一种改进的基于隐马尔可夫模型的人脸识别方法利用人脸隐马尔可夫模型的结构特征和Viterbi算法的特点，对特征观察序列进行分割，使用部分序列对所有隐马尔可夫模型递进地计算最大相似度，同时排除相似度最小的隐马尔可夫模型，减少观察序列的计算次数，提高识别效率实验结果表明，该方法能在不降低识别率的情况下