本人研究生阶段写文档所写的Matlab代码。
包括：1、图片预处理；
2、特性提取：颜色、灰度共生矩阵、灰度差分、Harr-Like、等多个特征提取算法；
3、特性选择：从特征向量中选取有效的特性；
4、基础算法：AdaBoost的训练与测试;Bayes算法5、AdaBoost的改进：Boosting,CastBoost、FloatBoost

车牌识别模板婚配本文车牌识别系统主要包括了图像预处理、车牌定位、字符分割、字符识别等四大核心部分。

旋转流污水预处理是近几年广泛用于污水预处理的一门新技术,它采用了性价比较高的西门子S7-200PLC控制旋转流管式膜微滤污水处理系统。
本装置成本低，操作简单，能更有效的反应污水处理的过程，用于污水处理具有较高的技术经济可行性。
本系统有两套净化处理装置,当一套处于净化状态时,二套处于备用状态。
而当一套发生堵塞时进行一套反冲，同时二套开始净化。
不论是在净化状态还是在反冲状态,均有相应的仪表对流量和压力信号进行检测和记录。
并利用组态控制技术抽象地展示了控制系统的工艺流程,便于生产的组织与管理。
软件编程实现了工艺要求,大大提高了工作效率。

采用小波阈值法对齿轮箱毛病信号进行去噪预处理,将经验模式分解(EMD)和快速傅立叶变换(FFT)相结合对齿轮箱毛病信号进行特征提取,这种方法适用于非线性非平稳信号的自适应状态分析。
利用EMD方法将去噪后的信号就行经验模态分解,得到一定数量的固有模态函数(IMF)分量,选取具有特定意义的IMF进行FFT,就可以得到相应的功率谱,从而提取齿轮箱毛病特征频率。

本系统是基于svm训练得到的分类器，代码包含了数据集的预处理和模型训练，对给定测试集进行测试，并根据已有标签计算精确度。
代码内有详细注释，下载即可运行。
如有疑问可联系

该项目现已存档。
进行这项工作很有趣，但现在是我继续前进的时候了。
感谢您在过去几年中提供的所有支持和反馈。
如果有人有兴味取得所有权，那就让我们讨论一下。
:victory_hand_selector:BetaGo因此，您不能在GoogleDeepMind工作，也无法访问Nature。
您来对地方了。
BetaGo将保持Beta版！我们是99％！我们是李·塞多尔！BetaGo使您可以运行自己的Go引擎。
它为您下载Go游戏，对其进行预处理，在数据上训练模型，例如使用keras的神经网络，并将训练后的模型提供给HTML前端，您可以将其与自己的Gobot对抗。
入门通过运行以下命令来测试BetaGo。
它应该在您的浏览器中启动一个可播放的演示！该机器人起着合理的作用，但仍然很弱。
先决条件Ubuntu/Debian的sudoapt-getinstall-ypython-devpython-pippython-virtualenvgfortranlibhdf5-devpkg-configliblapack-devlibblas-dev

%%若转载请注明：%farutoandliyang,LIBSVM-farutoUltimateVersion%atoolboxwithimplementsforsupportvectormachinesbasedonlibsvm,2009.%Softwareavailableathttp://www.matlabsky.com%%Chih-ChungChangandChih-JenLin,LIBSVM:alibraryfor%supportvectormachines,2001.Softwareavailableat%http://www.csie.ntu.edu.tw/~cjlin/libsvm这是faruto在libsvm基础上给出相应的辅助函数插件，方便用户来选取最佳的参数，包括：归一化函数:scaleForSVM；
pca降维预处理函数：pcaForSVM；
网格参数寻优函数(分类成绩):SVMcgForClass；
网格参数寻优函数(回归成绩):SVMcgForRegress；
利用PSO参数寻优函数(分类成绩):psoSVMcgForClass；
利用PSO参数寻优函数(回归成绩):psoSVMcgForRegress；
利用GA参数寻优函数(分类成绩):gaSVMcgForClass；
利用GA参数寻优函数(回归成绩):gaSVMcgForRegress

本人免试课题题目，由三人合作完成，此程序从开始的图像预处理到最终的图像匹配，有相关子程序11个，结构清晰，思路简约，适合刚开始学习数字图像处理的同学参考。

图片-xml匹配、重命名、读取xml并重重生成xml

光照预处理是人脸识中种有效的处理光照变化的方法。
近年来涌现出一系列人脸光照预处理方法，但针对这些方法的系统对比与分析的工作相对较少，本文在系统比较现有方法的基础上提出了人脸光照预处理方法的新见解和结论，以及如何设计更好的预处理方法。
我们对12种具有代表性的光照预处理方法进行比较研究（HE，LT，GIC，DGD，LOG，SSR，GHP，SQI，LDCT，LTV，LN和TT），着重于两个新的角度：（1）全局方法的局部化和（2）大尺度和小尺度特征带的融合。
在公开的人脸数据库（Yalebext，CMU-PIE，CAS-PEAL和FRGCv2.0）上的实验表明，对全局的光照处理方法（HE，GIC，LTV和TT）进行局部化进一步提高了功能。
对（SSR，GHP，SQI，LDCT，LTV和TT）等方法进行大尺度和小尺度的融合有助于光照不变的人脸识别。
来源：http://valser.org/forum.php?mod=viewthread&tid=1051&page=1&extra=#pid1254

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。