//凸面字体识别，包括卡号定位和识别。
//印刷字体卡片识别，包括卡号定位和识别。

这是笔者2019.9下载的UCR数据集，其中有较多的时间序列数据，方便大家下载学习，特此分享给大家。
(在介绍中,没有说不许传播,如有侵权,会立即删除.)

中国科学院大学向世明老师主讲的模式识别导论的复习资料，也就是每次的作业题+PPT中可能考的例题

nmanydataanalysistasks,oneisoftenconfrontedwithveryhighdimensionaldata.Featureselectiontechniquesaredesignedtofindtherelevantfeaturesubsetoftheoriginalfeatureswhichcanfacilitateclustering,classificationandretrieval.Thefeatureselectionproblemisessentiallyacombinatorialoptimizationproblemwhichiscomputationallyexpensive.Traditionalfeatureselectionmethodsaddressthisissuebyselectingthetoprankedfeaturesbasedoncertainscorescomputedindependentlyforeachfeature.Theseapproachesneglectthepossiblecorrelationbetweendifferentfeaturesandthuscannotproduceanoptimalfeaturesubset.InspiredfromtherecentdevelopmentsonmanifoldlearningandL1-regularizedmodelsforsubsetselection,weproposehereanewapproach,called{\emMulti-Cluster/ClassFeatureSelection}(MCFS),forfeatureselection.Specifically,weselectthosefeaturessuchthatthemulti-cluster/classstructureofthedatacanbebestpreserved.Thecorrespondingoptimizationproblemcanbeefficientlysolvedsinceitonlyinvolvesasparseeigen-problemandaL1-regularizedleastsquaresproblem.ItisimportanttonotethatMCFScanbeappliedinsuperised,unsupervisedandsemi-supervisedcases.Ifyoufindthesealgoirthmsuseful,weappreciateitverymuchifyoucanciteourfollowingworks:PapersDengCai,ChiyuanZhang,XiaofeiHe,"UnsupervisedFeatureSelectionforMulti-clusterData",16thACMSIGKDDConferenceonKnowledgeDiscoveryandDataMining(KDD'10),July2010.BibtexsourceXiaofeiHe,DengCai,andParthaNiyogi,"LaplacianScoreforFeatureSelection",AdvancesinNeuralInformationProcessingSystems18(NIPS'05),Vancouver,Canada,2005Bibtexsource

WAV用于百度语音测试文件，也可用于其他功能的测试。
WAV用于百度语音测试文件，也可用于其他功能的测试。

手写数字识别所需要的MNIST数据集，已经转换为CSV格式，可以直接使用

NSGA2算法，MATLAB实现，自定义目标函数，封装完整。
更多内容请访问http://www.omegaxyz.com/

完整可直接运行的小波神经网络程序，有注释，很容易看懂

超像素分割为图像分割，图像处理的基础，文件为MATLAB和C混编的代码，demo为主程序，运行demo主程序进行超像素分割。

介绍Weka的主要原因是初学者可以使用图形界面进行应用机器学习，而无需进行任何编程。
这是一件大事，因为处理流程，处理数据和尝试算法是初学者应该学习的内容，而不是学习另一种脚本语言。