蚂蚁聚类算法的无信息素模型综述
标签： 蚂蚁算法
上传时间： 2022-03-12
上传用户：d1997wayne
JAVA 本程序所实现的功能为对数据进行无监督的学习，即聚类算法
上传时间： 2015-08-24
上传用户：redmoons
AP算法的改进，添加监督策略，能更好的形成聚类结果，并有其演示程序
标签： 法的改进
上传时间： 2017-04-15
上传用户：anng
SOM自组织神经网络的C语言源码，可以通过该程序实现无监督的聚类。
上传时间： 2013-12-25
上传用户：lepoke
不是很好用，参考的别人的，目前的聚类效果不佳，只能适当参考学习
标签： 蚁群聚类
上传时间： 2015-06-14
上传用户：youshikeji
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/ 非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/ 方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（W eb 搜 索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要 1 0 周 共 1 8 节 课，
上传时间： 2017-07-28
上传用户：xiaoyuerer
《统计学习方法》李航第二版，机器学习，人工智能必备基础书籍 内容简介：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。
上传时间： 2021-09-01
上传用户：wenxiuyu
人脸检测和定位是在图像中进行人脸检测,以及确定图像中人脸的位置、大小、个数等信息,最初作为自动人脸识别系统的定位环节被提出,近年来由于其在安全访问、智能监测、虚拟现实、基于内容的检索和新一代人机界面等领域的应用需求,作为一个独立的课题也备受研究者的重视。 论文针对人脸检测定位和识别技术在智能视频监控系统的特殊应用,进行人脸检测和定位算法研究,并将这些算法通过DSP进行实现。论文工作如下： 1.本文针对人脸检测和定位问题,提出了基于YUV色彩空间的肤色检测的改进算法,通过在YUV空间对人脸肤色的聚类分析,建立了YUV肤色模型。仿真结果表明,该模型可以有效地检测到图像中的肤色区域,为人脸的粗定位奠定了基础。 2.针对图像中肤色不一定是人脸的问题,在人脸检测时,利用肤色确定候选区域,再利用一些规则对人脸候选区域进行判别或合并。针对图像只中存在一个人脸的情况,采用改进的坐标轴投影方法进行单个人脸的检测定位；针对图像中存在多个人脸的情况,利用改进的区域标定算法进行多个人脸的检测定位,使得算法能够完成单人脸检测和多人脸的检测定位,仿真结果表明了算法的有效性。 3.论文提出了通过DSP图像处理系统实现以上算法的过程,首先在MATLAB环境研究算法,然后进行算法的DSP移植,采用了有利于DSP处理的图像存储格式和算法结构,改善了算法的实时性。实际测试结果表明了算法在DSP上实现的正确性和可行性。 基于DSP的人脸检测和定位算法的实现,对监控系统的智能化发展具有重要的实际意义。
上传时间： 2013-05-22
上传用户：sunzhp
本文的目的就是研究如何应用FPGA这种大规模的可编程逻辑器件实现CCD（Charge Coupled Device，电荷耦合器件）数字图像的实时采集及预处理。基于对实时图像处理系统的研究与设计，本文主要研究工作及成果如下： 1.本论文详细的介绍了图像采集卡的结构和基本工作原理。同时，针对高分辨率的CCD摄像机，探讨了有关点目标与CCD像元一一对应的图像采集及其硬件和软件设计方法。 2.本文分析了星图中弱小目标、噪声以及背景的特点，给出了点目标的场景图像的数学模型及复杂背景下点目标检测的预处理方法。针对星图灰度分布的特点，采用高斯低通滤波算法和高通滤波算法对星图进行预处理，同时还对图像扫描聚类算法进行了研究与分析。 3.数字信号处理器常常因为在复杂性、运算速度等方面的限制，难以实时的实现复杂的检测算法。本文采用FPGA技术，实现了复杂背景下弱点目标的预处理算法，解决了计算、数据缓冲和存储操作协调一致的问题，同时采用并行高密度加法器和流水线的工作方式，使整个系统的数据交换和处理速度得以很大的提高，合理的解决了资源和速度之间的相互制约问题，并在实际中取得满意的结果。
上传时间： 2013-07-03
上传用户：wang5829
基于彩色路径识别的视觉导航方法是当前自动导航小车领域的研究热点和方向。视觉导航是指根据地面路径和被控对象之间的位置偏差控制其运行的方向，因此，地面彩色路径图像的摄取及其识别处理就成为视觉导航系统中的基础和关键。在当前的视觉导航系统设计中，图像处理的硬件平台都是基于通用微处理器，嵌入式微处理器或者DSP进行设计的。这些处理器一个共同的特点就是数据串行处理，而图像处理过程涉及大量的并行处理操作，因此传统的串行处理方式满足不了图像处理的实时性要求。 鉴于微处理器这方面的不足，作者提出一种使用FPGA实现图像识别的并行处理方案，并据此设计一个智能图像传感器。该传感器采用先进的FPGA技术，将图像采集及其显示，路径的识别处理以及通信控制等模块集成在一个芯片上，形成一个片上系统(SOC)。其主要功能是对所采集的彩色路径图像进行识别处理，获得彩色路径的坐标及其方向角，并将处理结果发送给上位机，为自动导航提供控制依据。 本文将彩色路径的识别处理过程划分为三个阶段，第一阶段为颜色聚类识别，以获得二值路径图像，第二阶段为数学形态学运算，用于对第一阶段中获得的二值图像进行去斑处理，第三阶段为路径中心线的定位及其方向角的测量。图像传感器与上位机的通信采用异步串行方式，由于上位机需要控制该传感器执行多种任务，作者定义一种基于异步串行通信的应用层协议，用于上位机对传感器的控制。在图像的显示中，为了弥补图像采集的速率和VGA显示速率的不匹配，作者提出一种基于单端口存储器的图像帧缓冲机制，通过VGA接口将采集的图像实时地显示出来。 根据上述思想，作者完成了系统的硬件电路设计，并对整个系统进行了现场调试。调试结果表明，传感器系统的各个模块都能正常工作，FPGA中的数字逻辑电路能够实时地将路径从图像中准确地识别出来，.充分体现了FPGA对路径图像的高速处理优势，达到了设计预期目标，在一定程度上丰富了路径图像识别处理的技术和方法。
上传时间： 2013-04-24
上传用户：ghostparker
