此程序包含经典PCA以及2DPCA算法的MATLAB程序，以及在ORL人脸数据库中的人脸识别应用，分类识别算法采用的是SVM。
PCA最高识别率为85%2DPCA为91%程序中涉及到一些图片路径的修改，请注意自己修改。
部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。
主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。
特别注意：在test之前一定要先train一下哦：比如：TDtrain(40,5,5);TDtest
PCA最高识别率为85%2DPCA为91%程序中涉及到一些图片路径的修改，请注意自己修改。
部分重要程序有xxx以及TDxxx两份，分别对应于PCA以及2DPCA程序的使用。
主要识别能力有：单张人脸的类别的识别，全体人脸的识别率的计算，单张人脸的图像近似重构。
特别注意：在test之前一定要先train一下哦：比如：TDtrain(40,5,5);TDtest
2023/12/26 11:01:19
22.34MB
1
：提出一种ＳＡＲ图像目标识别新方法。
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
首次引入ＢＭ３Ｄ方法，用于滤除原始图像中的相干斑噪声，ＢＭ３Ｄ结合了空间域和变换域去噪的优势，滤波性能优异。
在特征提取步骤，将低阶Ｈｕ矩与高阶Ｚｅｒｎｉｋｅ矩组合，Ｈｕ矩描述目标的粗略信息，高阶Ｚｅｒｎｉｋｅ矩描述目标的细节信息，因此组合矩能够更加全面而细致地表达目标特性。
使用组合矩特征训练ＳＶＭ分类器，对含噪的ＳＡＲ图像进行识别实验。
实验结果表明：本文方法的识别率高达９８．９０％，优于已有的ＳＡＲ目标识别方法
2023/12/21 8:25:57
607KB
1
对于传统的基于高阶累积量调制信号识别已经较为成熟，从基本的单混合信号出发，提取合适的特征参数设计相应的分类器，实现单混合信号的识别，现在达到了一个较高的识别率。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
具有一定的工程意义，本资源主要包括一些基本的高阶累积量代码实现，和一些基于高阶累积量来实现的混合信号识别的文献，对于入门学习高阶累积量和信号识别具有一定的指导意义。
2023/12/1 16:48:42
15.64MB
1
脑-机接口(BCI)中常用高密度导联来获取脑电(EEG)信号的空间信息,为了避免使用过多导联给EEG采集工作带来不便,消除无关的噪声通道,本文提出了一种基于共空间模式(CSP)的导联优化方法,基于CSP方法得到的投影矩阵,使用2-范数的导联筛选准则,筛选出在投影空间中权重较大的M个导联,目的是用较少的导联来获得与使用高密度导联相近的分类识别率。
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
实验数据使用BCICompetition2005DatasetⅢa,针对三个受试者的三类运动想象(左手、右手和脚),分别比较了使用该方法选择的导联和使用全部导联情况下得到的分类识别率。
实验表明,使用筛选后的20导联得到的三个受试者的分类识别率,均高于使用全部60导联得到的分类识别率,从而验证了所提出方法的有效性和实用性
2023/11/25 9:41:41
1.04MB
1
Android车牌识别SDKDemo企业级停车场摄像头识别车牌识别准确率高（识别率98%）速度快（不到0.5秒）本地识别无需联网,含Demo代码AndroidStudio环境项目，支持6.0以上高版本。
2023/10/12 12:01:37
2.78MB
1
针对群体情绪识别准确率的问题，结合卷积神经网络（CNN）与长短期记忆网络（LSTM），提出一种多流CNN-LSTM网络模型学习群体情绪的静态和动态特征。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
以视频序列的原始图像、视觉显著图形和叠加的光流图像分别作为三个通道的输入，利用CNN网络对空间特征和局部运动特征进行分析，得到的特征图直接输入LSTM网络，进行全局运动特征的学习。
最后连接Softmax分类器，对三个通道的Softmax输出进行加权融合，得到分类结果。
实验结果表明，模型可有效地识别四种典型的群体情绪，且识别率高于已有算法，准确度（ACC）和宏平均精度（MAP）分别最高可达82.6%、84.1%。
2023/9/29 1:55:43
1.44MB
1
这个源代码是一款UPC-E/A类型条码创建和读取示例，UPC-E/A条形码广泛应用于商业零售终端。
该示例主要功能可以创建6位和12位UPC-E/A条形码，并保存为JPG图片。
程序同时还具有扫描识别JPG图片格式的条形码图片，识别率准确率挺高，即使比较模糊的条码图片也可以顺利识别，功能比较不错。
经调试完全可用，特上传与大家分享
该示例主要功能可以创建6位和12位UPC-E/A条形码，并保存为JPG图片。
程序同时还具有扫描识别JPG图片格式的条形码图片，识别率准确率挺高，即使比较模糊的条码图片也可以顺利识别，功能比较不错。
经调试完全可用，特上传与大家分享
2023/9/14 11:53:17
408KB
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