这是论文“PCA based Edge-preserving Features for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(12), 7140-7151.”的代码，更多细节可以在论文中找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得
2022-11-19 19:43:23
5.73MB
1
用matlab软件提取音频中的特征量，包括MFCC,短时能量等
2022-11-03 19:56:25
123KB
1
用于提取心电信号的特征, 用python编写
2022-10-25 19:39:38
23KB
1
Good features to track. CVPR1994, pages 593–600
2022-10-17 17:07:23
320KB
1
svm算法手写matlab代码使用HOG功能和SVM的手写数字识别
在这个知识库中，我将提供一个MatLab和一个Python，用于使用HOG功能和SVM进行手写数字识别。
MatLab和Python代码的结构相同，分为三（3）个部分：
步骤1：资料准备步骤2：HOG功能计算步骤3：设置并运行SVM
步骤1：资料准备
在代码的第一部分，加载了MNIST数据集[1]。
数据集与标签一起分为训练集和测试。
训练和测试集中的总位数分别为60000和10000。
标签是十（10）位数字（0到9）。
在MatLab中，每个数字由784个元素的向量表示。
784个元素的向量将在代码中稍后调整大小，以形成28x28像素的图像。
在Python中，由于每个数字均由28x28像素的图像表示，因此跳过了调整大小步骤。
步骤2：HOG功能计算
从每个28x28像素图像中计算出定向梯度直方图（HOG）特征向量[2]。
每个向量由324个元素组成。
整个324个元素的特征向量将在以后用于训练支持向量机（SVM）。
步骤3：设置并运行SVM
支持向量机（SVM）[3]是我在本示例中使用的多类分类器，用于对手写数字
2022-09-25 12:17:59
29.09MB
1
Good Features to Track
LVI-SAM中视觉里程计的角点特征提取方法
2022-09-05 09:07:35
871KB
1
IOS应用源码之【类库与框架】SharpKit-drop-in share features for all iOS apps
2022-07-12 18:08:16
985KB
【类库与框架】-SharpKit-drop-in share features for all iOS apps.7z
2022-07-07 20:05:59
1.05MB
关于ppg信号预处理和特征提取的代码仅供参考学习
2022-06-20 18:08:44
367KB
1