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。

0积分下载，代码运行效果图见压缩包

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

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。

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。

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

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

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。

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。