glove.6B.50d数据集，来源于wiki百科和Gigaword数据集。

SVD用于将数据矩阵从高维投影到低维

使用OpenCV和Python的手写数字识别 使用的数据集 对于这个项目，我使用了MNIST数据集。 它可以在Internet上免费获得。 要求 的Python 3 斯克莱恩 OpenCV 3 麻木 Jupyter笔记本 训练SVM模型 SVM_Classifier.ipynb-这是一个ipython笔记本，因此您需要安装jupyter-notebook才能使用此文件。 如果要重新训练模型，请使用此文件。 digits_cls1.pkl-这是一个已保存的SVM模型文件。 使用OpenCV进行数字识别 dig_rec.ipynb-这是一个ipython笔记本，用于使用OpenCV识别图像中的手写数字。此文件使用受过训练的SVM模型digits_cls1.pkl 。 使用OpenCV进行实时数字识别 dig_rec_vid.ipynb-这是一个ipython笔记本，用于使用网络摄像头和O

手背静脉识别利用静脉血管分布的网络结构实现个人身份鉴定,是一种新兴的生物特征识别技术。分析了静脉成像原理,设计了静脉图像采集系统,并建立了具有较高质量的手背静脉图像数据库。在身份识别过程中,首先对手背静脉图像进行滤波和灰度归一化等预处理,然后对图像进行二级小波包分解,并利用得到的细节图像提取手背静脉的纹理特征,最后将k近邻分类器和支持向量机相结合实现了个人身份识别。在识别模式下利用建立的手背静脉图像数据库对本系统进行了性能测试,实验结果表明该系统具有较高的识别性能,其正确识别率达99.07%,应用前景十分广阔。

matlab分时代码BVAR连接 描述 这是一种用户友好的Matlab GUI，它对贝叶斯多主题向量自回归（VAR）模型实施了变分推理方法，以便基于静止状态功能MRI数据来推理有效的大脑连通性。 建模框架使用贝叶斯变量选择方法，以允许在主题级别和小组级别同时推断有效的连接性。 它还可以灵活地将多模式数据（尤其是结构性DTI数据）集成到现有结构中。 我们开发的变分推理方法可实现方法的可扩展性，并能够根据数据的全脑分割来估计主题级和小组级的大脑连接网络 下面的手稿中描述了变分方法的方法论和详细实现： Chiang，S.，Guindani，M.，Yeh，HJ，Haneef，Z.，Stern，JM和Vannucci，M.（2017）。 使用多模态神经影像数据进行多主体有效连通性推理的贝叶斯矢量自回归模型。 人脑映射，38，1311-1332。 Kook，JH，Vaughn，KA，DeMaster，DM，Ewing-Cobbs，L.和Vannucci，M.（2020年）。 BVAR-连接：用于大脑连接网络推理的多主题向量自回归模型的变分贝叶斯方法。 神经信息学的出现。 内容和安装。 该存储库包含

对一些简单的名词解释给与了说明，同时对几个方面都有简洁的介绍

距离向量算法

支持向量机的实现代码，用c语言编写，有源码和例子，是学习模式识别的难得的资源

为了提高点云表面的重建精度和准确度,针对泊松重建算法误连接孔洞区域及法线方向不一致导致重建结果偏差的问题,提出一种基于向量场和等值面的改进泊松重建算法。先利用统计滤波器对有噪声的点云数据进行去噪;再利用加权主成分分析估计法向并结合移动最小二乘(MLS)法计算点云法向和优化测量误差,利用OpenMP加速法线估计;最后利用改进DC(Dual Contouring)算法提取等值面来消除曲面孔洞和误连接曲面特征的问题。经过实验验证,改进的泊松算法可有效地去除模型中可能存在的孔洞问题和伪封闭曲面,提高重建曲面的准确度和效率。

AHP层次分析法计算权重、特征值、特征向量，第一作者刘兴，其他地方下载需要47个币 【 尚有疑问，欢迎沟通！！ 1.CSDN上有人说可用； 2.亲自试验，代码流畅，但个人感觉特征值、特征向量存疑； 3.用java求出的特征向量与spass、matlab有差别，百度到底了，一直没有看到破解办法，欢迎交流！ 】