Gabor小波进行特征提取，实现人脸识别

matlab图像分割肿瘤代码脑肿瘤检测使用图像处理 使用MATLAB从MRI图像中提取脑肿瘤 介绍 医学领域一直是必不可少的，在医学领域中的发展是改善人类的基本必要。医学图像处理是当今最具挑战性和新兴的领域。 MRI图像的处理是该领域的一部分。 鉴定肿瘤是一个不断上升的问题，因为受肿瘤影响的人们有所增加，这种上升是由从习惯到污染的许多因素引起的。 定位肿瘤一直是一个难题，因为这需要大量的人体解剖学经验，而这需要大量的时间。 该项目描述了从患者中检测和提取脑肿瘤的拟议策略。 MRI扫描大脑的图像。 该方法结合了分割和形态学运算，这是图像处理的基本概念。 使用MATLAB软件可以从大脑的MRI扫描图像中检测和提取肿瘤。 我们首先要集中精力创建一个程序，该程序需要很少的处理时间来获得结果。 执行代码 在matlab中打开代码 更改每个输入图像的目录 图片5的示例I = imread（'工作目录\ file_name.jpg'）; 运行代码 文件类型 code.m-主驱动程序代码。 app1.mlapp-在MATLAB中原生创建的UI。 Tumor_Extraction.mlappinstal

2018年9月16日，在第27期智能金融沙龙上，中科院自动化所陈玉博老师的演讲报告为《事件抽取与金融事件图谱构建》，以下附上该报告全文，方便相关研究人员下载学习。

本文提出了一种新的基于联合稀疏表示的图像融合方法。 由于传感器观察到相关现象，因此源图像有望具有共同的和创新的特征。 我们使用稀疏系数作为图像特征。 通过联合稀疏表示，用公共稀疏系数和创新稀疏系数表示源图像。 因此，稀疏系数由创新系数的平均绝对值加权。 此外，由于稀疏表示在图像去噪算法的开发中已经取得了很大的成功，因此我们的方法可以同时执行图像去噪和融合，而图像会受到加性噪声的破坏。 实验结果表明，该方法在多个指标以及视觉质量上均优于其他方法。

PHP 文章提取器 这是一个用于 PHP 的网络文章解析和语言检测库。 该库从网页读取文章内容，删除所有 HTML 并仅提供原始文本，适用于文本到语音或机器学习过程。 对于我开发的一个项目，我发现许多现有的开源解决方案很好的起点，但每个都有独特的失败。 该库将三种不同的方法聚合到一个解决方案中，同时添加了语言检测的附加功能。 如何使用 这个库是通过 packagist.org 分发的，所以你可以使用 composer 来检索依赖项 composer require crscheid/php-article-extractor 通过 URL 调用 该库将尝试为您检索 HTML。 您只需创建一个 ArticleExtractor 类并在其上调用parseURL函数，传入所需的 URL。 use Cscheide \ ArticleExtractor \ ArticleExtractor

该PPT为阅读Neural Relation Extraction with Selective Attention over Instances论文后所做的笔记，总结了论文中的主要技术，并大致梳理了论文思路

医学文献中的因果关系提取 使用条件随机场进行因果关系提取和识别。 这是我们的教师的项目。 到项目演示。 介绍 因果关系是两个事件之间的关系：因果。 原因是结果的产生者，而结果是原因的结果。 例如“饥饿是年轻婴儿哭泣的最常见原因。” 原因是“饥饿”，结果是“哭泣”。 当前的工作集中在从医学领域文本中检测和提取因果关系。 从检测因果关系的角度来看，以下区别可能有用： •标记或未标记：如果有特定的语言单位表示这种关系，则标记因果关系； 否则未标记。 标有“我买了它，因为我读了很好的评论”； “当心。 不稳定”不是。 •歧义：如果商标始终表示因果关系，则它是明确的（例如，“因为”）。 如果它有

详细说明位于 zip 文件中的自述文件中。 Github：https://github.com/nlpcl-lab/bert-event-extraction

功率谱密度代码matlab 信号特征提取（DE 和 PSD） 用于提取信号的 DE（差分熵）和 PSD（功率谱密度）特征的代码。 提供了 Matlab 和 python 版本。 input: data [n*m] n electrodes, m time points stft_para.stftn frequency domain sampling rate stft_para.fStart start frequency of each frequency band stft_para.fEnd end frequency of each frequency band stft_para.window window length of each sample point(seconds) stft_para.fs original frequency output: psd,DE [n*l*k] n electrodes, l windows, k frequency bands

baseline feature.py 抽取特征 corpora corpus1.txt 远程监督标注语料 sents.txt 还原的标注句子 sents_with_pos.txt 标注格式变换 dict 字典 数值化转换 entities.dict 实体字典 nes.dict 实体标记字典 postags.dict 词性标记字典 rels.dict 关系字典 libsvm-3.22 svm算法实现工具 result 结果 feature2libsvm.csv 符合libsvm格式的输入文件 features.pickle 抽取特征的结果 features.vec.csv 特征数值化后的结果 grid.out 参数优化结果 grid.png 参数优化结果 model.txt 模型 test.vec 测试语料集 test_vec.scale 数值缩放后测试语料集 train.vec 训练语料