模式识别miniproject-脱机手写签名识别，这是每个学习模式识别的同学必做的课程设计miniproject，主要功能要求如下：一共有20个人，在其对应的文件夹中存放了每个人的20个手写签名图像，每幅图像均为PCX图像格式，大小为12994像素大小。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
对每个人的手写签名，用其中80%的图像作为训练样本进行训练，用余下的20%的图像进行测试。
在签名图像进行特征提取时，提取6个ET1和6个DT12轮廓特征。
每一个人的手写签名特征假设为48维特征空间的多维高斯分布。
用贝叶斯参数估计法估算概率密度函数（pdf），然后用Bayes分类器识别。
分别计算closetest和opentest下的分类功能。
根据每个类的概率分布函数的最近邻估算来计算贝叶斯识别的opentest识别率。
适用kn最近邻法来直接估算每个类在每个测试样本的后验概率并计算opentest下的分类功能，将该识别率表示为一个关于k的函数并绘图。
这些是基于后验概率的非参数估计的贝叶斯估计。
2023/1/30 10:20:44
816KB
1
deleivery一款优秀的基于贝叶斯地震反演方法和源码代码。
对其进行部分修正，支持中文界面。
对其进行部分修正，支持中文界面。
2023/1/14 22:46:51
10.09MB
1
从贝叶斯方式谈到贝叶斯网络转自：http://blog.csdn.net/v_july_v/article/details/409846990
2015/6/23 16:22:02
1.19MB
1
采用朴素贝叶斯的学习方法对垃圾邮件进行判别分类。
程序可在Matlab中运行。
留意：程序代码在压缩包中的Homework1solution.pdf中！
程序可在Matlab中运行。
留意：程序代码在压缩包中的Homework1solution.pdf中！
2020/10/26 18:15:32
603KB
1
采用朴素贝叶斯的学习方法对垃圾邮件进行判别分类。
程序可在Matlab中运行。
留意：程序代码在压缩包中的Homework1solution.pdf中！
程序可在Matlab中运行。
留意：程序代码在压缩包中的Homework1solution.pdf中！
2020/10/26 18:15:32
603KB
1
此工具箱只支持Python2版本，在Python3下可以自行修改。
允许使用单纯Python言语构建贝叶斯网络。
包含构建离散的贝叶斯网以及高斯贝叶斯网，推理算法包含消息树以及MCMC采样等。
允许搭建因子图模式下的BN网，同时包括网络实例。
有不清楚的地方欢迎一起交流。
允许使用单纯Python言语构建贝叶斯网络。
包含构建离散的贝叶斯网以及高斯贝叶斯网，推理算法包含消息树以及MCMC采样等。
允许搭建因子图模式下的BN网，同时包括网络实例。
有不清楚的地方欢迎一起交流。
2015/11/25 3:26:43
1.38MB
1
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。
2024-04-09 15:03
15KB