文中建立不同类型目标的模型匹配数据库；采用最小周长多边形构造目标主体轮廓的近似多边形，以简化目标主体轮廓减少算法处理的数据量；提取具有仿射不变性的多边形顶点个数、最长线段两侧顶点个数、同底三角形面积比向量特征不变量对待识别目标进行描述，应用3个特征量在模型匹配数据库中逐一进行分层遍历搜索匹配。实验表明，基于模型匹配的目标识别算法能够快速的识别目标，提高了目标识别的实时性，同时能够判定目标所处的姿态状况。
上传时间： 2013-10-20
上传用户：q3290766
使用第二代身份证照片作为训练样本进行人脸识别属于典型的单样本问题，由于没有充分数量的训练样本，会造成常规的人脸识别算法识别率低下，甚至无效的问题。为此采用虚拟样本生成方法，并针对遇到姿态变化较复杂的人脸时，识别率不高的问题，提出了一种新的多姿态的虚拟样本生成方法，通过模拟人脸侧向旋转、俯仰和立体旋转等增加有效的训练样本，再使用鲁棒性较好的HMM进行人脸识别。在自建的身份证人脸库上进行测试，实验结果显示，该方法在一定程度上减弱了人脸姿态的变化对识别率的影响，并取得了较好的识别效果。
上传时间： 2013-10-17
上传用户：hanwu
稀疏矩阵运算器 本程序要求用“带行逻辑链接信息”的三元组顺序表表示稀疏矩阵，实现两个矩阵相加、相减和相乘的运算。具体有以下几点： 1.本程序中稀疏矩阵的输入形式采用三元组表示，而运算结果的矩阵则以通常的阵列形式列出。本实验的三元组输入顺序为在行号小的优先的条件下，列号小的输入！要求输入的行数与列数不大于20，且输入三元组的结束标志为“0 0 0”。 2.程序执行过程： （1）运行后，打印出功能选项，可供选择。 （2）选择相应功能后，若选1~3，则要求输入两个矩阵的行数与列数，再以三元组顺序输入矩阵，并且打印出响应的运算结果。接着循环执行（1），（2）。 （3）若选择4，quit。则直接退出程序。
上传时间： 2013-12-22
上传用户：fandeshun
题目：实现一个能进行稀疏矩阵基本运算的运算器。 以“带行逻辑链接信息”的三元组顺序表示稀疏矩阵，实现两个矩阵相加，相乘的运算。稀疏矩阵的输入形式采用三元组表示，而运算结果的矩阵以阵列形式列出。 1、 生成如下两个稀疏矩阵的三元组a和b: 1 0 3 0 3 0 0 0 0 1 0 0 0 4 0 0 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 2 2、输出a+b的三元组 3、输出a*b的三元组
上传时间： 2013-12-19
上传用户：ljmwh2000
用正交表实现了稀疏矩阵，并能完成两稀疏矩阵的相加
上传时间： 2014-12-22
上传用户：leehom61
稀疏矩阵程序，可执行稀疏矩阵的加减乘运算，采用三元组输入矩阵，结果正确
上传时间： 2013-12-20
上传用户：leehom61
人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是 否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实 现机器智能化的重要步骤之一。 AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里 程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在 效率不降低的情况下，检测正确率得到了很大的提高。 本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测 的经典方法进行了说明。 第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强 学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive Boosting 算法的发展脉络。 第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形 特征和积分图的概念和理论进行了仔细的阐明。 第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱 学习器的构造、选取等问题。 最后一章，用编写的实现了 AdaBoost 算法的 FáDèt 程序，给出了相应的 人脸检测实验结果，并和 Viola 等人的结果做了比较。
上传时间： 2018-01-29
上传用户：dragon000008
稀疏表示分类算法（Sparse Representation-based Classification，SRC）在人脸数据库上有很高的识别性能。然而，对于姿态变化，SRC的识别效果并不理想。针对SRC算法不能解决测试样本与训练样本存在偏移误差的问题，本文提出了基于SRC的改进算法。该算法将每一类的训练样本单独作为训练字典，利用迭代校正和基于金字塔分层机构的运动偏移估计方法得到最终的偏移量，最后对校正后的测试样本使用SRC算法实现分类。实验结果表明该方法对于有偏移误差的人脸图像具有较好的鲁棒性及识别率。
上传时间： 2013-11-15
上传用户：haiya2000
针对人脸识别中的特征提取问题，提出一种新的基于Gabor的特征提取算法，利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维，再利用LDA实现再次降维，得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。
上传时间： 2013-12-14
上传用户：alex wang
一种基于二维链表的稀疏矩阵模半板类设计 A template Class of sparse matrix. Key technology: bin,2-m linked matrix. constructors: 1.normal constuctor 2.copy constuctor. 3.assignment constructor. Basic operator: 1. addition(sub) of two matrix 2. inverse of a matrix. 3. multiply of two matrix. etc.
标签： matrix technology template linked
上传时间： 2013-12-13
上传用户：lwwhust
