案例推理是一种依靠历史案例经验来指导人们认识和解决问题的方法，比较适用于信息缺失却需要快速反应的应急决策领域。鉴于非常规突发事件与常规突发事件存在诸多差异，在应急案例库中很难检索到与当前所发生的非常规事件相似的案例，从而可能导致应急案例检索系统失效。为了解决这一难题，首先把非常规突发事件按照时间序列划分成若干阶段，对每一阶段的特定子事件即常规突发事件进行匹配与检索；然后以证据理论为主要工具，构建基于多属性效用匹配的应急案例检索模型并求解算法，为应急决策提供技术支持；最后的实例分析验证了所建模型的有效性和可行性。

代码可运行，含MATLAB代码，sift.m,match.m

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题，提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵，在区域增长过程中的匹配窗内计算其纹理数量，然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时，该匹配窗就能够表征该匹配窗中心点的特征，因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。

MatchPyramid用于语义匹配 MatchPyramid模型的简单Keras实现，用于语义匹配。 请参考论文： 快速浏览 输入数据格式 火车/有效套票： label |q1 |q2 1 |Q2119 |D18821 0 |Q2119 |D18822 测试集： q1 |q2 Q2241 |D19682 Q2241 |D19684 预处理语料库： qid |words D9980 |47 0 1 2 3 4 5 6 7 8 9 10 D5796 |21 40 41 42 43 44 14 45 字词嵌入： word |embedding (50-dimension) 28137 |-0.54645991 2.28509140 ... -0.34052843 -2.01874685 8417 |-9.01635551 -3.80108356 ... 1.86873138 2.147

SAD立体匹配算法 源码

车牌识别模板匹配用到的字符模板库，有75个模板图片，大多为jpg，少部分是bmp，还是有一些不完善，

matlab人脸匹配代码ASM人脸特征点匹配 简介任务：通过结合使用主动形状模型（ASM）算法和PCA方法来训练可用于检测测试人脸图片关键点的回归器。 然后，进行Procrustes分析以匹配那些图像的重建关键点； 环境：Matlab 2016a版本，ASM软件包； 主要步骤1，图像处理和参数设置将所有图像加载到Matlab中，并将其设置为训练图像和测试图像。 然后通过使用函数rgb2gray（），imread（）将RGB图像转换为灰度。 通过构造结构“选项”为以后的代码设置参数。 例如，我们将两个关键点之间的计数器点设置为10，将搜索迭代次数设置为100。2，在图像上使用经过训练的关键点并填充训练数据[Vertices，Lines] = LoadDataSetNiceContour（）； 通过使用这些Matlab函数，我们可以获得所有训练图像的顶点和线。 此功能来自受支持的程序包。 3，制作Shape模型[ShapeData，TrainingData，MeanVertices] = ASM_MakeShapeModel2D（）; [TrainingData（i）.CVertices，

解压缩-打开matlab-设置路径-添加并包含子文件夹-点击该文件夹

安装python-Levenshtein失败，提示需要安装Microsoft Visual C++ 14.0，找了好久终于确认是这个包，Levenshtein是一个python上用于计算编辑距离比较方便的包，它能提升fuzzywuzzy模块的计算效率，如果学习的小白实在没有积分可以私信我发给你，一期学习交流，谢谢！

数字图像处理课程上机实验2_直方图均衡化和直方图匹配