LDP 算法是将与Kirsch 算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子，这将会导致中心灰度值不能很好的反映邻域局部特征信息，从而降低识别率。针对于此，本文提出了一种改进的局部定向模式(CLDP)算法。该算法在LDP 的基础上，去掉邻域灰度值为负值的因子，对中心灰度值进行重新编码，由于该编码值是将与Kirsch 算子运算后的正值值作为图像边缘输出，使中心灰度值能很好反映邻域的局部特征信息，从而提高人脸的识别率。本文还将提出的CLDP 算法用在YALE，ORL，JAFFE 等人脸数据库中进行人脸识别。从实验的结果表明，该方法识别性能较LDP算法，LDN 算法以及ELDP 算法

针对双空间局部方向模式（DSLDP）人脸识别算法只是单一采用作差运算提取特征的问题, 提出一种双运算局部方向模式（DOLDP）的人脸识别方法。首先, 将图像3 pixel×3 pixel邻域像素灰度值与8个Kirsch模板算子卷积, 得到8个方向的边缘响应值; 然后, 将近邻边缘响应值按照逆时针方向分别作差和作和, 得到两组8个方向的边缘响应差值和和值, 将两组边缘响应值取绝对值, 取各自最大值的方向编码成一个二位八进制数, 构成DOLDP码。在YALE、ORL、AR和CAS-PEAL人脸库上的实验结果表明：该方法将和值空间和差值空间人脸特征信息结合, 取得了更好的识别效果; 和值空间人脸特征信息较强度空间起到了平滑作用, 对光照、表情、遮挡等情况表现出更强的稳健性。

基于PNN神经网络的调制方式识别算法的matlab仿真 %2FSK y_2FSK = func_2FSK(N0); %4FSK y_4FSK = func_4FSK(N0); %BPSK y_2PSK = func_2PSK(N0); %QPSK y_4PSK = func_4PSK(N0);

SupPlate车牌识别已经完完全全实际应用13年的时间。 可识别各种大陆的车牌，包括蓝牌和黑牌，黄牌和白牌，其中黑牌可识别港、澳车牌；黄牌可以识别单排黄色车牌，大型车后车牌和摩托车牌；白牌可以识别包括警车，武警车牌和军车。 车牌识别有以下几大特点： (1):对图像质量要求不敏感：即使图片中车牌处于背光、泛白的情况下(术语对比度低) ,或者车牌字符出现断裂、遮挡、有污渍、模糊、掉漆等等情况，本车牌识别都可较好的识别出来； (2):对图像大小格式要求不严格：可以识别任意大小的图片，在默认参数下车牌字符高度在6～60的范围内，均可识别，对施工要求不高； (3): 识别速度快：在P4 2.0 ,512M 机器下768*288图片识别时间不超过50毫秒,如果针对移动实时的可小于30毫秒。 (5):可识别高清晰图片，最大可以获取4个车牌号码。识别500万象素的图像,不超过300毫秒.

提出了通过改进型中值滤波去除噪声,使用QR码符号特性定位并对倾斜图像进行旋转等,用于提高条码的正确识别率.

max30102驱动 心率、血氧一种识别算法

对偏最小二乘(PLS)回归的基本方法进行了分析研究，提出了基于非线性迭代偏最小二乘(NIPLS)的信息模式识别算法。该算法实现了模式识别中特征提取与分类器设计的有机结合。NIPLS较Fisher判别分析、Bayes判别分析等经典的模式识别算法，具有更强的信息识别能力，且对数据本身的分布要求不高，尤其对于多重共线性资料或解释变量多而样本数量少时更为有效。将该算法应用于土地质量的分类识别，结果表明，该文所建立的算法是有效的、可靠的。

基于FPGA的指纹识别算法硬件

聚类技术可以用于对具有动态、随机和异步并发特性的出租车对象进行分类。但是，现有的聚类技术认为每个出租车样本对聚类的贡献相同，没有考虑到不同样本的不同影响，这在一定程度上影响了聚类的精度。提出了一种基于样本权重的出租车聚集区识别算法――SFTA_IB算法，算法引入了样本权重来充分反映不同样本的贡献度。在此基础上，将出租车视为原变量X，出租车坐标数据视为相关变量Y，目标是寻求压缩变量T，在T中最大化保留相关变量的信息。实验表明，SFTA_IB算法可以准确识别目标样本周边的出租车聚集区，针对性地指导目标出租车个

提出一种基于SoC并利用PVDF非接触式传感带对多维度生理信号进行实时处理的硬件化算法。从PVDF压电薄膜传感带中获取生理信号，经过前端电荷放大、滤波、ADC采样后进入可编程逻辑器件FPGA。算法采用流水线设计，提取生理信号的特征值、计算体动合成指数，通过软核处理器Nios接收硬件化计算结果，对睡眠状态进行最终识别。经实验对比验证，该算法能在19 ms内识别人体睡眠时的肢体律动、正常呼吸、呼吸暂停3种状态，极大地缩短了软件处理的时间，同时为医生诊断呼吸暂停综合症提供病理依据，在医院临床和家庭监护方面具有参考价值。