人工智能课程作业,工具为 jupyter notebook,使用SVM对手写体数字图片分类,其中包含运行代码,运行截图,内容涵盖完整。
1
0积分下载,代码运行效果图见压缩包
2021-12-23 09:05:48 83KB matlab
1
编写了 Matlab 代码以将叶子分类为以下类型之一:'Alternaria Alternata'、'Anthracnose'、'Bacterial Blight'、'Cercospora Leaf Spot' 和 'Healthy Leaves'。 分类由 Multiclass SVM 完成(一对一) 怎么跑?? 1.将文件夹'Leaf_Disease_Detection_code'放在Matlab路径中,并将所有子文件夹添加到该路径中2. 运行 DetectDisease_GUI.m 3.在GUI中,单击“加载图像”,然后从Manu's Disease数据集中加载图像,单击“增强对比度”。 4. 接下来点击Segment Image,然后输入包含ROI的cluster no,即只有疾病受影响的部分或健康的部分5. 点击分类结果。 然后测量准确性(在这种情况下是健康与所有疾病)。 代码
2021-12-22 23:33:23 867KB matlab
1
如果您设置参数的上下限和间隔,框约束和核尺度,应用程序将搜索最佳参数集。
2021-12-22 21:00:24 257KB matlab
1
针对传统HOG特征的行人检测方法中因遮挡及复杂环境存在较高漏检误检情况,建立了一种基于HOG和局部自相似(LSS)特征融合的行人检测算法。利用LSS反映图像内在几何布局和形状属性的特性,用主成分分析(PCA)将HOG和LSS两类特征在实数域降维,再将两种特征组合成新特征,结合线性SVM分类器进行行人检测。实验采用INRIA数据库和Daimler数据库作为训练集训练SVM,用730幅监控视频帧图片作测试集,将该方法与基于传统HOG特征的行人检测方法做对比,结果表明该方法平均漏检误检率降低16%,检测效果优于基于传统HOG特征的行人检测方法。
2021-12-22 19:36:34 596KB 行人检测
1
svm中分类图片matlab代码一种减轻帕金森患者步态冻结的新型可穿戴设备 该存储库包含用于通过 MPU6050 数据检测帕金森患者步态冻结的设备的算法。 它将步态分成单独的步骤,从步骤中计算特征,然后使用线性支持向量机 (SVM) 对每个步骤进行分类。 入门 要求 软件 安装最新版的MPU6050库,找到 包含的文件 此存储库包含代码的三个迭代: “firstAlgo”是一种快速算法,它根据最少处理的加速度计值对步态类型进行分类。 Main 包含使用步态分离和二进制 SVM 的最完整的迭代。 蓝牙代码库用于最终原型。 RedBearLab BLE Nano 微控制器具有蓝牙功能。 这两个 csv 文件包含健康步态和冻结步态的样本角度数据。 SVM 包含用于运行支持向量机并找到优化阈值的 matlab 代码。 指示 以下说明用于使用 SVM 查找两个计算特征的优化阈值: 运行 Main.ino 并收集至少 50 个数据点。 将数据点保存为 csv 文件 在同一个 csv 文件的新列中手动标记每个数据点 在 Matlab 中加载 csv 文件。 下载并导航到三个包含的 matlab 文件
2021-12-22 14:35:52 30KB 系统开源
1
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
2021-12-22 09:40:06 5.08MB handwritten-digit-recognition JupyterNotebook
1
多支持向量机和其他分类器的心脏病检测:支持向量机、KNN、朴素贝叶斯、决策树、神经网络、装袋、提升和随机子空间。 + 10 折交叉验证+ 准确度、召回率和精确度计算。
2021-12-22 09:39:51 7KB matlab
1
matlab的素描代码彩色GF-HoG 此存储库包含Matlab实现,如ICCV ws 2015论文中所述的定向渐变的颜色渐变场直方图(Color GF-HoG)。 GF-HoG实施 原来的 生长激素 如果仅处理黑白草图,请在BW文件夹下进行检查: des = ComputeGF('circle.png',0); 将为草图计算局部GF-HoG描述符。 如果输入图像,请将第二个参数更改为1。 此实现遵循Rui Hu和Stuart James的原始C代码(项目页面和),并进行了一些改进,在Flickr15K基准测试中达到了16.6%的mAP(带有反向索引的mAP达到了18.2%),如图5所示。 彩色GF-HoG实施 原来的 彩色GF-HoG可视化 如果您使用彩色草图,请检查以下颜色文件夹: [des_shape, des_color] = ComputeGF_colour('underground_sketch.png',0); 将为草图计算局部形状和颜色描述符。 对于图像,将第二个参数更改为1。 与纸张的不同之处在纸张中,亮度通道(L *)通过双S型函数传递,以将黑白图像与其余图像分开。
2021-12-22 09:01:50 406KB 系统开源
1