Fuzzyjoin：在不完全匹配的情况下联接数据帧 Fuzzyjoin程序包是dplyr的join操作的变体，它不仅允许匹配列之间匹配的值，还可以匹配不精确的匹配。 这样就可以匹配： 在一定公差范围内的数值（ difference_inner_join ） Levenshtein / cosine / Jaccard距离或包中的相似的字符串（ stringdist_inner_join ） 一列中的正则表达式与另一列中的正则表达式（ regex_inner_join ） 跨多个列的欧几里得距离或曼哈顿距离（ distance_inner_join ） 基于经度和纬度的地理距离（ geo_inner_join ） 与（ interval_inner_join ）重叠的（开始，结束） interval_inner_join 基因组间隔（包括染色体ID和（开始，结束）对）重叠（

函数 fzsearch(r,p,n,case) 查找字符串 r（参考）和字符串 p（模式）的子字符串之间的最佳或预定近似匹配。 Levenshtein 距离用作匹配的度量。 Levenshtein 距离是将字符串 A 转换为字符串 B 所需的最小单字符替换、删除和插入次数。可以搜索区分大小写和不区分大小写的情况。 搜索的结果是匹配距离和参考子串末端的索引。 为了获得最佳匹配，该函数还可以确定子字符串本身。

模糊名称匹配 使用R中的模糊逻辑将一个列表中的相似名称与另一个列表进行匹配。 改编自python名称匹配算法

自己编写的基于RGB颜色空间的直方图的匹配算法实现，大家一起学习！

个人制作项目，车牌识别项目资料 1、B站项目视频讲解：https://www.bilibili.com/video/BV1yg4y187kU/ 2、车牌样本图片 3、模板字符样本 4、参考资料文档 5、视频代码（车牌提取、车牌字符提取、模板匹配、结果渲染、车牌倾斜处理、文本字符分割、完整运行代码）

程序的功能 读BMP文件，只能打开256色 （可以是灰度） 傅里叶变换（锐化，平滑，反色，反转） 图像增强（线性变换，模糊） 图像恢复 图像编码 图像分析（灰度直方图，二值化） 图像重建 车牌识别：定位（水平，垂直，定位，车牌选择）分割（垂直分割）匹配（字符识别）差分（水平，垂直） 平滑（中值，领域平均）均衡化，边缘检测（sobel）预处理（归一化，局部增强，二值化）训练（训练神经网络，保存网络）

matlab匹配滤波代码SALICONtf 该存储库包含用于训练和运行SALICONtf的代码-在TensorFlow中自底向上的显着性模型SALICON的重新实现。 执行 建筑学 在我们的实现中，我们对原始内容进行了一些小的更改。 与原始论文一样，SALICONtf模型包含两个基于VGG的流（无fc层），用于精细和粗糙处理。 输入的大小分别调整为600x800px和300x400px，分别用于精细流和corase流。 调整细流的最后一层的大小以匹配粗流的sie（30x57px）。 两个输出都被串联并通过1×1滤波器进行卷积。 标签（人眼固定图）的大小调整为37×50，以匹配网络的输出。 训练 在原始公式中，通过优化Kullback-Leibler散度（KLD）损失获得了最佳结果。 在我们使用SALICONtf进行的实验中，我们使用了二进制交叉熵损失（OpenSALICON也使用了它）获得了更好的结果。 我们使用固定学习率0.01，动量0.9和重量衰减0.0005。 原始论文没有指定训练时期的数量，只提到训练模型需要1到2个小时。 我们的实现在100个周期后获得了合理的结果，并在300

ORB算法实现特征点匹配

使用python-opencv实现用ORB算法实现特征点匹配，代码量较低，内容较少。

Stagewise Orthogonal Matching Pursuit (StOMP) 是一种恢复稀疏信号的贪婪算法