提出了利用卷积神经网络(CNN)对儿童注意缺陷与多动症(ADHD)的功能性核磁共振图像（fMRI）进行特征分析，从而对ADHD患者进行判别分析。针对ADHD-200全球竞赛的三个数据库的fMRI数据，首先利用快速傅里叶变换将数据从时域转换到频域，并利用Fisher线性判别方法选择有效的频率信息，然后利用改进的卷积神经网络对选择频域数据进行特征学习，自动提取出有效的特征并进行分类。实验结果表明，提出的方法有助于ADHD患者的判别，为基于fMRI数据的ADHD研究提供了新的手段。

MATLAB平台：口罩识别（带界面，人脸定位，形态学，干扰去除，分割，定位，判别，未戴口罩则预警）

自激振荡的判别条件在电子线路中，判断电路能否产生自激振荡一直以来都是一个令学生感到困惑的问题，同学们对一个电路进行分析时往往感到无从下手。根据多年的教学经验，总结出一个比较简单的判别方法，具体内容如下：通常，我们判别电路能否产生自激振荡可以从两个方面人手：一个是相位平衡条件，另一个是振幅平衡条件，这两个条件中有任何一个不满足.电路就不脆产生自激振荡。一般条件下，我们在分析电路时，两个判别条件中首先着振幅平衡条件，它是指放大器的反馈信号必须有一定的幅度。这个条件中包含两层意思，一是必须有反馈信号，二是反恤信号必须有一定的幅度。这样我们在分析电路是否满足报幅条件时就可以从两个方面考虑：(1)是否存

信息理论基础 作业 唯一可译码判别准则 源代码

MATLAB车牌识别（语音播报，库外判别，计时计费，雾霾车牌，绿色新能源车牌，车牌语义查询是亮点）

包括预测分析的文法判别，求first 和follow 都有了

对垃圾图像判别问题中的特征提取和特征选择研究现状进行了总结。从特征的可区分性、鲁棒性和提取效率三个方面比较了垃圾图像判别中的主要特征，分析了特征的优缺点。结合分类学习算法、仿真实验结果，对已有的主要特征选择和分析方法进行比对，为进一步研究特征提取、特征选择方法，提高垃圾图像分类器的性能和效率提供有价值的参考。

核判别分析 人脸识别 KFLD 实验效果好，程序运行有保障 注释详细

图像显着性检测算法matlab代码mDRFI _ Matlab 皮肤镜图像中的显着性检测 皮肤镜图像中的显着性检测，如本文所述：M. Jahanifar等人（“皮肤镜图像中病变的受监督的显着性图驱动分割”）（arXiv ：） **这是用于在皮肤镜图像中进行病变分割的算法的一部分，在“ ISIC2017：针对黑色素瘤检测的皮肤病变分析-第1部分：分割”中排名第七。 可以在上述论文中获得对分割方法的完整说明** mDRFI是用于显着性检测的DRFI模型的修改版本，在论文“论文显着物体检测：具有区别性的区域特征集成方法”（arXiv ：）中进行了描述。 我们为显着性特征添加了一些新的区域属性描述符，以便更好地检测皮肤镜图像中的病变。 另外，提出了新的伪背景区域以提高显着性检测。 此实现包含显着性检测方法（mDRFI）的全部pipiline，包括培训和测试阶段。 代码中还实现了颜色恒定性校正。 首先，运行compile.m来编译mex文件（您需要c ++编译器，例如Windows上的Microsoft Visual Studio才能执行此操作）。 如果您想训练自己的随机森林回归器，请查看tra

街道清洁与脏乱判别图像数据集，共3400张街道图片 街道清洁与脏乱判别图像数据集，共3400张街道图片 街道清洁与脏乱判别图像数据集，共3400张街道图片