最近的研究表明，稀疏表示（SR）可以很好地解决许多计算机视觉问题，并且其内核版本具有强大的分类能力。
在本文中，我们解决了协作SR在半监督图像注释中的应用，该方法可以增加标记图像的数量，以进一步用于训练图像分类器。
给定一组标记的（训练）图像和一组未标记的（测试）图像，通常的SR方法（我们称为正向SR）用于用几个标记的图像表示每个未标记的图像，然后根据这些标记的注释的注释。
但是，就我们所知，SR方法是在相反的方向上进行的，即我们称呼后向SR来用几个未标记图像表示每个标记图像，然后根据标记图像的注释对任何未标记图像进行注释，即未标记图像由后向SR选择表示，到目前为止尚未解决。
在本文中，我们探

haarcascade_eye.xml'haarcascade_eye_tree_eyeglasses.xml'haarcascade_frontalcatface.xml'haarcascade_frontalface_alt.xml'haarcascade_frontalface_alt2.xml'haarcascade_frontalface_alt_tree.xml'haarcascade_frontalface_default.xml'haarcascade_fullbody.xml'haarcascade_lefteye_2splits.xml'haarcascade_licence_plate_rus_16stages.xml'haarcascade_lowerbody.xml'haarcascade_mcs_eyepair_big.xml'haarcascade_mcs_lefteye.xml'haarcascade_mcs_mouth.xml'haarcascade_mcs_nose.xml'haarcascade_mcs_righteye.xml'haarcascade_mcs_upperbody.xml'haarcascade_profileface.xml'haarcascade_righteye_2splits.xml'haarcascade_russian_plate_number.xml'haarcascade_smile.xml'haarcascade_upperbody.xml

利用贝叶斯分类器实现手写数字识别，要数据的可以发私信，有测试集和训练集。

PCA+LDA降维，KNN分类器，实现人脸识别，数据集为ORL

博文：http://blog.csdn.net/zhuangxiaobin/article/details/25476833这篇文章里所提供的工具和样本训练出来的分类器xml文件，可以使用文中的代码实践一下

朴素贝叶斯分类器MATLAB源代码，里面含有使用实例，用的是UCI的mushroom数据集。
分类器详细介绍见：http://blog.csdn.net/yunduanmuxue/article/details/39693917

这是一个实现SVM分类的代码，基于Linux操作系统的

设计了一种基于matlab的手写数字识别系统，全面覆盖多种分类器，有Fisher线性判别，贝叶斯分类器，神经网络，k近邻等等线性与非线性的分类器，识别的准确率较高，具体依据各个算法的不同，可以在此基础上进行改进。

自己训练SVM分类器进行HOG行人检测，环境VS2013+OpenCV

自己训练的分类器导入进行视频行人检测代码亲测可行，算法需要再完善提高实时性

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。