搜索资源列表
亮剑Net-深入体验与实战精要
- 目录 第一篇 技术基础总结 第1章 .NET，你真的知道了吗 1.1 搞清自己是干什么的 1.2 .NET的几个特性 1.3 万丈高楼平地起：面试者必会 1.3.1 C#介绍 1.3.2 命名空间 1.3.3 C#语法格式要点 1.3.4 变量 1.3.5 类型推断 1.3.6 变量的作用域 1.3.7
网趣网上购物系统时尚版 V9.0
- 网趣网上购物系统的部分特点与精华： 一、支持商品批量增加、批量修改功能，所有商品可一次修改完成，特别方便！ 二、支持7种在线支付：北京网银、NPS、快钱、贝宝、云网、支付宝、财付通接口。 三、率先支持Excel批量导入商品功能，下载Excel模板批量添加商品一次完成！ 四、删除商品的同时，可以自动删除商品图片，大大节约空间! 五、率先支持商品图片水印设置，彰显网站的独特风格！ 六、支持商品三级
BPFenhleiqi
- 本文介绍了一种新的多神经网络分类器集成方法,适合学习神经网络的学习者参考-This paper introduces a new multi-neural network classifier integration method, suitable for learners to study neural network reference
dgdgdgdgdgfdgdfgrelevance
- 基于支持向量机的相关反馈图像检索算法 相关反馈技术是近年来在图像检索中较为重要的 研究方法, 从机器学习的角度, 以支持向量机(SVM ) 为分类器, 提出了一种新的相关反馈方法-Support vector mach ine based relevance feedback algorithm in image retrieval
SVM_FACE
- 基于支持向量机的人脸检测训练集增强算法实现。根据支持向量机(support vector machine，简称SVM)~ ，对基于边界的分类算"~(geometric approach)~ 言，类别边界附近的样本通常比其他样本包含有更多的分类信息．基于这一基本思路，以人脸检测问题为例．探讨了 对给定训练样本集进行边界增强的问题，并为此而提出了一种基于支持向量机和改进的非线性精简集算法 IRS(improved reduced
zzz099SVM
- 为了对目标进行快速的检测，提出了一种新的基于支持向量机的级联式分类器的构造方法。该级联分类器由若干个线性SVM弱分类器构成，结构简单，分类时间极快。针对级联结构中的每个节点的训练给出了一个新的SVM框架下的二次规划模型，这使得每个节点都有较高的正样本检测率和适当的负样本错检率。-In order to quickly detect the target, a new cascade based on support vector mac
Gesture-Recognition-
- 本文提出一种用于手势识别的新方法，它将图像的方向直方图矢量(0Hv)与神经网络相结合。其特点在于选用 图像的方向直方图矢量作为手势的特征矢量，该特征矢量对于光线和手的平移变化具有较强的鲁棒性，这正是手势识别所要 解决的关键问题。在训练阶段，首先需要建立手势样本的特征矢量库；在识别阶段，本文选用三层BP网络作为分类器，获得 了90％以上的识别率。本文还对手势进行一定角度的旋转后的识别进行了讨论，识别结果达到预期要求。-In t
000
- 支持向量机(svM)是一种新的机器学习技术。本文采用一对一方法构建多分类SVM 分类器。利用常用的灰度共生矩阵方法提取图像纹理特征，组成特征向量，输入构建好的SVM 多分类器中进行分类。对从Brodatz纹理库中选取的4张纹理图像进行了分类实验，取得较好的 分类结果-Support vector machine (svM) is a new machine learning techniques. In this paper
non-Gaussian-noise-Identification
- 该文提出一种基于广义分数阶傅里叶变换和分数低阶Wigner-Ville 分布的数字调制识别新方法，该方法提取广义分数阶傅里叶变换的零 中心归一化瞬时幅度谱密度的最大值和分数低阶Wigner-Ville 分布幅度的最大值作为识别特征参数，并采用判决树分类器，实现了非高斯噪声下数字调制信号识别。-This paper presents a generalized fractional Fourier transform and frac
SVM_GUI_3.1[mcode]{by-faruto}
- 支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表。 基本情况 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机（Support Vector Machine，简称
Study-of-solar-photovoltaic
- 首先,概述了太阳能光伏发电系统的组成,介绍了目前我国太阳能光伏发电技术的应用,并根据不同场合的需要,对太阳能光伏发电系统进行了分类。其次,分析了太阳能电池板的工作原理,利用州哄JLAB仿真软件对不同环境及 不同日照强度下的太阳能电池输出特性进行了建模!仿真结果证明了太阳能电池的非线性。再次,通过比较三种常用的DC/DC变换器的工作原理,提出利用BOOST型DqDC变换器实现转换,对参数进行分析后建立了BOOST型DC/DC变换器的仿
AAAI16code (1)
- 用于识别的函数，基于对偶低阶分解的鲁棒子空间的新方法。(A new method used to identify the function, based on the dual low order decomposition of the rugon space.)
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机