内核主成分分析（KPCA） MATLAB代码，用于通过使用内核来进行非线性降维，故障检测和故障诊断。 2.1版，2020年5月6日 电子邮件： 主要特点 易于使用的API，用于训练和测试KPCA模型 多种内核功能 支持降维，故障检测和故障诊断 支持数据重建 告示 仅支持对高斯内核进行故障诊断。 使用“ Classdef ... End”定义类，因此该代码只能在R2008a版本之后应用于MATLAB。 更多详细信息和讨论，请参阅： : 此代码仅供参考。 降维演示（“香蕉”数据和“圆”数据） 数据重建演示（“圆形”数据） 故障检测演示（TE过程数据） 故障诊断演示（TE过程数据）

第14组 群组名称：TEAM_NAME 团队成员：augoel2，elihf2，sdegand2，tinreyd2，weixuan2 项目经理：farazms2，anjalik4 项目描述：卷积神经网络（CNN），用于检测人是否戴着口罩。

心率检测matlab代码语音信号中的压力检测 该项目包括根据心率值检测语音信号中的压力。 该项目分为三个主要部分：数据处理，特征提取和分类。 我们将使用VOCE数据库，因此代码将专注于其结构。 但是，可以单独使用各个功能。 我们强烈建议您在尝试运行之前阅读有关该项目的文章。 入门 您将需要一些必备条件才能运行此项目。 先决条件 从其下载数据库VOCE 2016年 至少python 2.7 来自的Spyder IDE Sklearn版本：scikit-learn 0.18.1 代码结构和用法 1.数据处理 从VOCE数据库中的原始文件中，您将需要执行一些步骤才能获得有用的数据。 您可以在“ Procesado BBDD”文件夹中找到脚本。 使用script_rename.bat文件来重命名负ID，以便它们都是正数 使用analisis_archivos.m分析每个ID有多少可用数据（wav文件，传感器文件...） 使用analisis.xml函数从传感器xml文件中提取心率值。 使用ejemplos_Zecg_Zts.m脚本检查Zts和Zecg值是否相似。 根据与ejemplos_pre

傅里叶变换三维测量矩阵问题陈述 该项目的目标是实现一种深度学习算法，该算法将单通道手持式ECG设备的心电图（ECG）记录分为四个不同的类别：正常窦性心律（N），房颤（A），其他心律（O ），或者太吵而无法分类（〜）。 该模型是由论文指导的由Zihlmann等人撰写。 在作者对的贡献之后发表的。 心房颤动（AF）是一种常见的心律失常，影响了270万以上的美国人。 这种心律失常与明显的发病率相关，缺血性中风的风险增加了4到5倍。 AF通常是沉默的，患者偶尔会出现中风，这是心律不齐的最初表现。 其他患者有令人不安的症状，例如心pit或头晕，但传统的监测方法无法确定心律不齐。 尽管该问题很重要，但AF检测仍然很困难，因为它可能是偶发性的。 因此，定期采样心率和节律可能有助于在这些情况下进行诊断。 当两个电极中的每一个都握在手中时，移动式ECG设备能够记录单导联等效ECG。 AliveCor为2017年PhysioNet / CinC挑战赛慷慨捐赠了总计12186张ECG录音。 项目包中的文件 该项目包包含以下文件： physionet_readme.ipynb：具有工作代码的此README.m

使用TensorFlow 2实现 火车 在config.py更改数据集路径和class_dict 在config.py选择版本 可选， python generate.py为您的数据集生成锚点并在config.py更改锚点 运行python train.py进行培训 测试 运行python test.py 数据集结构 ├── Dataset folder ├── IMAGES ├── 1111.jpg ├── 2222.jpg ├── LABELS ├── 1111.xml ├── 2222.xml ├── train.txt ├── test.txt 笔记 xml文件应为PascalVOC格式 train.txt包含不带扩展名的图像名称 推荐（适用于docker用户） docker pu

strongR-frida-android 按照上游进行自动修补，并为Android构建反检测版本的frida-server。 跟随FRIDA上游自动修补程序，并为Android构建反检测版本的frida-server。 提示：不要分叉该存储库 补丁 模块 姓名 frida-core 0001-string_frida_rpc.patch frida-core 0002-io_re_frida_server.patch frida-core 0003-pipe_linjector.patch frida-core 0004-io_frida_agent_so.patch frida-core 0005-symbol_frida_agent_main.patch frida-core 0006-thread_gum_js_loop.patch frida-core

使用CNN进行植物病害检测 通过叶片图像预测植物的健康状况

[2005 CVPR] Histograms of Oriented Gradients for Human Detection 用于人体检测的方向梯度直方图 Navneet Dalal，Bill Triggs

matlab图像去除阴影代码基于帧的交通监控应用Matlab检测 目的是从视频流中检测车辆并对其进行监视。 该代码可以与每个具有稳定功能的摄像机一起使用。 根据您的视频分辨率，您可以采用该代码。 HSV彩色平面用于去除阴影。 通过使用基本的图像处理技术，可以正确检测物体。

基于Python实现的快速椭圆检测算法，经检测非常有效，且能在一定时间内精准检测椭圆。