计算机视觉-RBM学习MATLAB源码 受限玻尔兹曼机（restricted Boltzmann machine, RBM）是一种可通过输入数据集，学习概率分布的随机生成型神经网络。RBM最初由Paul Smolensky 于1986年提出，并将该模型命名为Harmonium(簧风琴)，后又由Geoffrey Hinton 教授改进发明了快速的训练算法才被广泛使用，并由此得名RBM。RBM主要可用于降维、分类、协同过滤、表征学习及神经网络预训练等场景。 受限玻尔兹曼机因该模型是玻尔兹曼机的简化版而得名。玻尔兹曼机是一种随机神经网络，得名于其使用到的分布为统计力学中的玻尔兹曼分布。受限玻尔兹曼机相对于玻尔兹曼机，其简化了网络中同层之间的相连条件，即不存在层内各节点的相互连接。这样，网络中同层的各节点之间就相互独立。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于MATLAB的卡尔曼滤波目标跟踪的源代码 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

matlab开发-平方变换的加权平均法。函数提供了求解线性系统的LU因子。

由于样本数据来自网络，因此识别率只是看看而已。但清楚的图片还是可以识别出来的。

MatConvNet有一个简单的设计理念。它并没有将CNN包裹在复杂的软件层面上，而是直接将MATLAB命令直接展现为计算CNN构建模块的简单函数，如线性卷积和ReLU运算符。这些构建块很容易组合成完整的CNN，并可用于实现复杂的学习算法。尽管提供了几个真实的小型和大型CNN结构和训练例程，但仍可以利用MATLAB原型设计的高效性回到底层构建自己的结构。通常不需要C编码来实现新的结构。因此，MatConvNet是计算机视觉和CNN研究的理想场所

1. 回归学习算法 　回归学习（Regression Learning），又称为回归分析（Regression Analysis），是一种近似方法，从未知概率分布的随机样本中获得目标函数。 　 提及回归学习，常常首先想起一个概念叫做线性回归。那么什么是线性回归呢？线性回归其实是一个统计学概念。在统计学中，线性回归(Linear Regression)是利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或多个被称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单线性回归,大于一个自变量情况的叫做多元线性回归。

计算机视觉-决策树学习MATLAB源码 与其他的数据挖掘算法相比，决策树有许多优点: （1）易于理解和解释 人们很容易理解决策树的意义。 （2）只需很少的数据准备 其他技术往往需要数据归一化。 （3）即可以处理数值型数据也可以处理类别型 数据。其他技术往往只能处理一种数据类型。例如关联规则只能处理类别型的而神经网络只能处理数值型的数据。 （4）使用白箱 模型，输出结果容易通过模型的结构来解释。而神经网络是黑箱模型，很难解释输出的结果。 （5）可以通过测试集来验证模型的性能 。可以考虑模型的稳定性。 （6）强健控制. 对噪声处理有好的强健性。 （7）可以很好的处理大规模数据 。 缺点： （1）训练一棵最优的决策树是一个完全NP问题。因此, 实际应用时决策树的训练采用启发式搜索算法例如 贪心算法 来达到局部最优。这样的算法没办法得到最优的决策树。 （2）决策树创建的过度复杂会导致无法很好的预测训练集之外的数据。这称作过拟合。 剪枝机制可以避免这种问题。 （3）有些问题决策树没办法很好的解决,例如 异或问题。解决这种问题的时候，决策树会变得过大。

计算机视觉-流形学习算法MATLAB源码 流形学习是一类借鉴了拓扑流形概念的降维方法，与核PCA的目的一样，它想要在低维空间中尽量保持在高维空间中的结构。一个形象的流形降维过程如下图，我们有一块卷起来的布，我们希望将其展开到一个二维平面，我们希望展开后的布能够在局部保持布结构的特征，其实也就是将其展开的过程，就像两个人将其拉开一样。 流形学习方法有很多种，但是他们具有一些共同的特征：首先构造流形上样本点的局部邻域结构，然后用这些局部邻域结构来将样本点全局的映射到一个低维空间。它们之间的不同之处主要是在于构造的局部邻域结构不同，以及利用这些局部邻域结构来构造全局的低维嵌入方法的不同。 　

1、YOLOv5行人车辆目标检测结果 2、行人车辆目标检测结果，包含700多张检测好的图片，并保存了检测结果坐标值在txt文件中 3、classes: person、car

史上最齐全的YOLOv5预训练模型，共10种预训练权重。附带各个权重性能比对图。使用后可以实现目标检测多达80种物体