本书详细介绍了一些比较优秀的算法，对于大家变成来说会有很大的帮助

该程序实现多特征自适应阈值算法，两个matlab文件，一个为函数，该函数求出信号的特征量值并通过梯度下降法训练出其初始阈值，另一个为主函数，调用该函数文件；该程序将几路信号，每一路信号的特征量值及其自适应阈值求出来，并一起画出图来。-

matlab2014a代码##ECMP-RF 融合多特征信息、弹性网络和随机森林算法预测细胞外基质蛋白。 实验环境为：Windows Server 2012R2 Intel (R) Xeon (TM) CPU E5-2650 @ 2.30GHz 2.30GHz with 32.0GB of RAM，MATLAB2014a 和 Python3.6 编程实现。 ###ECMP-RF 使用以下依赖项： MATLAB2014a Python 3.6 麻木的 scipy scikit 学习 ＃＃＃指导原则： **数据包含训练数据集和测试数据集。 **特征提取：AD是自相关描述符的实现。 EBGW 是基于分组权重的编码实现。 PsePSSM 是伪位置特定评分矩阵的实现。 PseAAC 是伪氨基酸组成的实现。 LD 是本地描述符的实现。 **SMOTE：SMOTE_R_train_test.R 是 SMOTE 的实现 ** 特征选择：LOOCV_EN.py 代表弹性。 LOOCV_KPCA.py 代表 KPCA。 LOOCV_LASSO.py 代表 LASSO。 LOOCV_PCA.py 代表 PC

针对传统去雾算法需要人工提取特征,对比度低、信噪比低等问题, 提出一种基于多特征融合的卷积神经网络去雾算法。利用卷积神经网络算法模拟人类视觉系统对雾天图像进行层次化处理, 实现自动提取特征。算法采用直接从雾天图像到清晰无雾图像映射的学习方式, 该映射由特征提取、多尺度特征融合和浅层深层特征融合联合实现。多尺度特征融合提升网络对图像细节的重建, 浅层深层特征融合则将浅层卷积得到的轮廓信息和深层卷积得到的细节信息进行融合, 提升去雾重建的整体效果。实验结果表明, 相比于单一尺度网络, 多特征融合网络的峰值信噪比提高了1.280 dB。本文算法对自然雾天图像去雾效果明显, 细节信息和对比度均优于其他算法, 为去雾方法的研究提供了新思路。

提出了一种基于多特征提取和支持向量机(support vector machines,SVM)参数优化的车型识别方法,此方法解决了采用单一特征容易受到光照、天气、阴影等环境影响的问题,并且可以对运动中的车辆进行车型识别。首先,采集车辆样本并进行图像预处理,提取车辆的几何特征、纹理特征和方向梯度直方图(histogram of oriented gradient,HOG)特征;其次,将提取的多种特征量进行组合测试,并与单个特征量的测试结果进行比较;最后,采用粒子群算法优化SVM的参数并使用优化的SVM参数进行运动车辆的车型识别。实验结果表明:提出的多特征提取和SVM参数优化相结合的车型识别方法能够取得很好的识别效果,识别率达到90%以上。

本程序是多特征融合的目标跟踪程序，基于粒子滤波框架，融合边缘和TED特征的跟踪算法，可以运行程序，适合用于对多特征融合的学习

在利用脉搏波信号计算生命体征时,为检测并排除严重失真的脉搏波信号,综合利用欧氏距离、脉搏波传导时间以及脉搏波波形系数,提出一个用于判断脉搏波失真度的参数―――脉搏波联合特征系数。其中在计算欧氏距离的过程中,利用心电信号R波对PPG信号进行多段分割,对每小段进行时间轴归一化处理以抑制欧氏距离对时间轴伸缩的敏感度。通过分析实测脉搏波信号,验证了本文算法能准确识别失真波形。

行业制造-电动装置-多特征参数的电池等量分组方法.zip

基于最大曲率的指静脉多特征提取与匹配算法研究.docx

当今时代, 网络舆情传播速度快、影响力大, 而话题检测在网络舆情监管中有着不可替代的作用. 针对传统方法提取文本特征不完整和特征维度过高的问题, 本文提出了基于时间衰减因子的LDA&&Word2Vec文本表示模型, 将LDA模型的隐含主题特征和Word2Vec模型的语义特征进行加权融合, 并引入了时间衰减因子, 同时起到了降维和提高文本特征完整度的作用. 同时, 本文又提出了Single-Pass-SOM组合聚类模型, 该模型解决了SOM模型需要设定初始神经元的问题, 提高了话题聚类的精度. 实验结果表明, 本文提出的文本表示模型和文本聚类方法较传统方法拥有更好的话题检测效果.