Fisher线性判别（FisherLinearDiscrimination，FLD），也称线性判别式分析(LinearDiscriminantAnalysis,LDA)。
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图

cnn+rnn+attention以及CTC-loss融合的文字识别代码，基于tensorflow实现，要的拿去不客气，样本使用自我合成的数据，可本人添加，有些人傻的，上来就说不能直接运行，大爷的说了要添加训练样本，傻吗。
。
。

利用BP神经网络设计指纹识别算法，给神经网络提供每一模式类中的一些样本作为训练样本。
BP网络经过学习，不只能够识别已训练过的样本，而且能够识别未出现过的样本。
利用神经网络的泛化能力，提高指纹识别算法的识别率，图像增强、提取指纹特征

MNIST数据集是一个手写阿拉伯数字图像识别数据集，图片分辨率为20x20灰度图图片，包含‘0-9’十组手写手写阿拉伯数字的图片。
其中，训练样本60000，测试样本10000，数据为图片的像素点值，作者曾经对数据集进行了压缩。

SRC(SparseRepresentationClassifier)稀疏表示分类器SOMP(SimultaneousOrthogonalMatchingPursuit)同步正交婚配追踪稀疏表示分类器应用于高光谱图像分类的MATLAB代码实现。
此程序为论文仿真，论文题目为：HyperspectralImageClassificationUsingDictionary-BasedSparseRepresentation论文地址：http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=5766028&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D5766028其实只实现了论文里的第一种方法SOMP各个文件功能简介：isomp_Indiana.m主程序SamplesNormalize.m数据归一化findlabel2.m划分训练样本和测试样本SOMP.m求稀疏表示矩阵assig

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。