Visual C++数字图像模式识别技术及工程实践(随书光盘）人民邮电出版社2003张宏林本书介绍了模式识别和人工智能中的一些基本理论以及一些相关的模型,包括贝叶斯决策、线性判别函数、神经网络理论、隐马尔可夫模型、聚类技术等,同时结合模式识别中的一些经典问题,从多种不同的角度介绍了这些问题的解决思路。
上传时间： 2017-07-01
上传用户：netwolf
国防工业出版社出版的孙即详的一本比较经典的模式识别、计算机视觉方面的教材，重点对特征提取和不变量方面做了详细的论述，能对模式识别方面感兴趣的朋友可以好好看看！
上传时间： 2013-12-30
上传用户：Altman
对于含有噪声的的数字图像模式“1、2、3、4”，使用“hopfield”神经网络，进行联想、识别，以去除噪声的影响。
上传时间： 2015-04-03
上传用户：wang5829
提出了一种改进的LSM-ALSM子空间模式识别方法，将LSM的旋转策略引入ALSM，使子空间之间互不关联的情况得到改善，提高了ALSM对相似样本的区分能力。讨论中以性能函数代替经验函数来确定拒识规则的参数，实现了识别率、误识率与拒识率之间的最佳平衡；通过对有限字符集的实验结果表明，LSM-ALSM算法有效地改善了分类器的识别率和可靠性。关 键 词 学习子空间; 性能函数; 散布矩阵; 最小描述长度在子空间模式识别方法中，一个线性子空间代表一个模式类别，该子空间由反映类别本质的一组特征矢量张成，分类器根据输入样本在各子空间上的投影长度将其归为相应的类别。典型的子空间算法有以下三种[1, 2]：CLAFIC(Class-feature Information Compression)算法以相关矩阵的部分特征向量来构造子空间，实现了特征信息的压缩，但对样本的利用为一次性，不能根据分类结果进行调整和学习，对样本信息的利用不充分；学习子空间方法(Leaning Subspace Method, LSM)通过旋转子空间来拉大样本所属类别与最近邻类别的距离，以此提高分类能力，但对样本的训练顺序敏感，同一样本训练的顺序不同对子空间构造的影响就不同；平均学习子空间算法(Averaged Learning Subspace Method, ALSM)是在迭代训练过程中，用错误分类的样本去调整散布矩阵，训练结果与样本输入顺序无关，所有样本平均参与训练，其不足之处是各模式的子空间之间相互独立。针对以上问题，本文提出一种改进的子空间模式识别方法。子空间模式识别的基本原理1.1 子空间的分类规则子空间模式识别方法的每一类别由一个子空间表示，子空间分类器的基本分类规则是按矢量在各子空间上的投影长度大小，将样本归类到最大长度所对应的类别，在类x()iω的子空间上投影长度的平方为()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函数称为分类函数；为子空间基矢量。两类的分类情况如图1所示。
上传时间： 2013-12-25
上传用户：熊少锋
神经网络（模式识别模块）软件开发包!!!可以识别任何事物，适用于图像识别、语音识别、自动控制等诸多领域，具有简单、易学、开发周期短、识别率高等特点。
上传时间： 2015-02-22
上传用户：youth25
车牌定位、分割、识别论文二十五篇
上传时间： 2014-10-10
上传用户：lili123
一个可以识别金钱豹、老虎、长颈鹿、斑马、鸵鸟、企鹅、信天翁等七种动物的简单专家系统
上传时间： 2015-03-27
上传用户：zhangyigenius
IC卡操作软件:AT88SCl604芯片的操作模式有五种。它们是通过配PGM、RST、CLK等引脚信号及内部地址计数器(IAC)的状态组合来实现。 (1) 芯片复位操作： AT88SCl604有两种复位方式:上电复位和控制复位。 上电复位： 上电复位是当芯片加电时的最初状态。上电复位属于芯片 内部复位。它将使芯片内部所有的隐含标志复位到"0"状态。并使地址计数器复位到0位。 控制复位： 当CLK为低时，在RST脚上的一个下降沿将便芯片产生复位操作。 控制复位是将地址计数器复位到0位，而不影响任何内部标志的状态。
上传时间： 2015-03-27
上传用户：我们的船长
模式识别中的几个常用算法，包括ISODATA算法、K－均值算法、感知器算法、LMSE最小误差、贝耶斯分类。
上传时间： 2015-04-14
上传用户：yzy6007
神经网络模式识别及其实现，第八章。 内含：KMEANS 、KOHONEN 、LVQ 、SOFM 算法。
上传时间： 2014-07-08
上传用户：金宜
