基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf基于 HOG+SVM 图像分类识别系统的设计与实现代码大全.pdf

【MATLAB项目实战】基于CNN_SVM的图像花卉识别 里面包括单CNN、单SVM 、CNN_SVM三个程序 其中CNN_SVM里可以更改不同的CNN架构 AlexNet VGG16 VGG19 ResNet50

图像字符识别（android OCR）.7z

复杂条件下的qr码图像自动识别算法及其实现.pdf

人工智人-家居设计-高速铁路弓网动态特性现代谱评估及故障图像智能识别.pdf

进行对抗网络图像的识别

基于Android移动终端的烟草病虫害图像智能识别系统研究.pdf

面部图像中的性别识别是安全，零售广告和营销领域的重要应用。 我们提出了一种基于 COSFIRE 过滤器的用于性别识别的新描述符。 COSFIRE 滤波器是可训练的，因为它的选择性是在自动配置过程中确定的，该过程分析给定的感兴趣的原型模式。 我们在一个名为 GENDER-FERET 的新数据集上证明了所提出的方法的有效性，该数据集有 474 个训练和 472 个测试样本，准确率达到 93.7%。 它也优于依靠手工功能和分类器集成的方法。 此外，我们通过使用野外标记人脸（LFW）数据集的图像来训练我们的分类器和用于评估的 GENDER-FERET 数据集的测试图像来执行另一个实验。 该实验证明了所提出方法的泛化能力，并且它也优于两个商业库，即 Face++ 和 Luxand。 由于特征的随机选择，您使用此脚本获得的识别率可能与论文中报告的不完全相同。 但是，它应该非常接近。 请在运行代码之前阅

基于机器学习的人脸图像性别识别分类项目源码（机器学习大作业+毕业设计）。 文件说明 GenderRecognition.ipynb - 包含运行结果的交互式Jupyter Notebook run.py - 纯Python代码 save_weights.h5 - 训练2000轮后的权重，可复现最佳预测结果 submission.csv - 输出的预测结果 trial.txt - 使用最佳模型预测训练集，对训练集所做的修改 Jupyter Notebook Preview.html/Jupyter Notebook Preview.pdf - 运行结果，内容同GenderRecognition.ipynb

文件中包括一个新冠肺炎CT图像数据集、使用LLE、PCA以及PCA_LLE算法进行数据降维，结合SVM对数据进行训练与识别，在LLE 算法中，实现对 LLE 算法中邻域 k，维度 d 的最优估计问题，并经过 SVM最后分类识别结果作为评价标准。结果表明，参数优化算法具有一定的准确性，在优化的 k 值与 d 值时，LLE+SVM 的分类正确率最高，同时实验发现，PCA_LLE 组合算法的分类正确率与 LLE 算法相近，但是时间复杂度却远低于LLE 算法。 总结：资源中包括LLE算法，瑞士卷的处理、LLE参数的优化、PCA与LLE算法的结合，最后进行分类识别，识别率高达85%。