基于卡尔曼滤波改进的MTCNN网络人脸检测算法.pdf

针对大规模多用户多输入多输出（MIMO）系统中基站端检测复杂度高的问题，提出了一种低复杂度、基于强制收敛的变量节点全信息高斯消息传播迭代检测（VFI-GMPID-FC）算法。首先对传统的 GMPID算法进行改进，得到VFI-GMPID算法，VFI-GMPID算法的检测性能逼近最小均方误差检测（MMSE）算法，但复杂度要大大低于MMSE算法。然后结合强制收敛思想和VFI-GMPID，提出VFI-GMPID-FC算法，进一步降低算法复杂度，提升检测效率。最后通过仿真结果表明，所提算法在保证检测性能的同时，能有效地降低算法的复杂度。

现有基于独立分量分析(ICA)的运动目标检测算法大多采用单一的观测向量生成方式和2 通道数据进行检测，使得现有算法难以获得更加完整精确的目标形态。该文在传统独立分量分析算法的基础上引入4 种不同的观测向量生成方式并使用更多通道数据进行实验，以此更广泛地涵盖运动目标的运动特性并为提取前景提供更多有效信息，使该算法能有效应对缓慢移动和低区分性目标。多场景下的量化实验分析表明，更多通道数据的使用以及4种观测向量生成方式的综合在合理的误检率代价下使算法达到了更高的检测正确率。

SCRFD_10G（shape640×640、shape1280×1280） SCRFD_10G_KPS（shape640×640、shape1280×1280）

MATLAB用拟合出的代码绘图异常检测 将执行异常检测算法以检测数据集中的异常行为。 在提供的示例中，我们将检测服务器计算机中的异常行为。 我将首先通过一个简单的数据集演示异常检测算法（每个示例仅由两个功能来描述），以便我们可以直观地看到该算法的功能。 然后，我们将转到一个更现实的数据集（每个示例均由11个功能描述）。 但是，该算法也可以应用于您自己的数据集！ 这种异常检测算法是根据Andrew Cg在Coursera上的机器学习课程的第八部分的第一部分改编而来的。 运行项目 确保已安装MATLAB或Octave。 将项目克隆到本地计算机。 运行anomalydetection.m。 对于指导性实施，您可以运行实时脚本AnomalyDetection.mlx。 项目详情 将实施异常检测算法以检测服务器计算机中的异常行为。 但是，此数据集是任意的，该算法也可以应用于您的数据集！ 在我们的第一个示例中，这些功能测量每个服务器响应的吞吐量（mb / s）和等待时间（ms）。 提供了一个示例数据集，其中m = 307个有关服务器行为方式的示例。 因此，我们有一个未标记的数据集。 怀疑这些示例中

1、 主体结构是基于对 LOF 算法进行改进而来 2、 主要提高的地方是大大减少了 LOF 算法的时间复杂度以及运行时间（就最近一段时间阅 1、 提出了当 LO

DSFD对尺度变化、图像模糊、光照、人脸姿态变化、镜面反射、化妆均具有鲁棒性。

一种基于互质采样的相关检测算法，曹斌，赵成林，在信号的相关检测应用中，随着被检测信号频率和带宽的增加，要求采样频率大幅增大，需要处理的数据量也随之增大，造成了实际系统

显著性检测算法常通过计算像素之间的差异来确定显著性，但是对像素的选取通常是固定的，容易忽略图像中物体的边界信息，导致最终检测结果中目标的边界比较模糊。借鉴生物视觉注意机制，提出了一种新的基于超像素和马尔科夫链的显著性区域检测算法，将图像分割成若干个超像素，使用Wasserstein距离衡量超像素之间颜色、方向和位置的差异来建立马尔科夫链，将显著性检测问题转换为马尔科夫链上的随机游走问题，使用它的平稳分布作为图像的显著度。实验结果表明，相对于两种经典算法，所提出的算法在主要目标及其边界的提取精度等方面取得了较为满意的效果。

代码完整，直接更改图片可运行，参数可以自己调节。