针对当前工业异常数据检测技术未充分考虑数据的时序特征以及训练样本中可能含有异常样本的问题，提出一种检测异常数据的方法：基于时序特征将遥测量与遥信量分为离散量与连续变化量，并分别通过改进后的K-均值算法与传统自回归模型检测离散量与连续变化量的异常数据，在训练聚类模型的过程中，通过计算异常因子来剔除含有异常样本的聚类簇，在训练自回归模型过程中，将不属于正常取值区间的异常样本剔除。最后在OMNeT 平台下搭建仿真小型储水加热工业系统并进行验证，实验结果表明：该方法可以有效地检测出现场设备中的异常数据，相比于其他同类基于聚类的异常检测模型，采用该方法检测异常数据的漏报率更低。

具有网络外部性特征产业的消费税与产品差异化分析.pdf

【无标题】基于WiFi信号的手势识别系统设计 小波变化提取特征

货架牌面检测系统，通过神经网络目标检测、OCR、特征检测与比对算法，实现商品的识别和盘点.zip

基于MATLAB GUI的LMD的特征提取和分析计算

齿轮箱诊断，基于小波特征和BP神经网络分析

使用sift算法提取特征点，对目标图片进行匹配。使用匹配结果计算 目标物体所在矩形范围，作为参数传入grabcut，同时将sift算法的匹配点作为前景点传入grabcut函数，实现图像分割。

使用sift特征提取目标物与目标图片的特征点，进行匹配，从而找出目标物在图片中的范围，将该范围作为矩形区域传入grabcut函数，同时将匹配特征点作为前景点传入grabcut函数，进行图像分割。实验结果显示出不错的图像分割结果。

基于HOG特征提取的svm行人头肩训练，提供训练集和测试集的图片，结果导出在txt文件中。

基于csp特征，然后实现LDA和bp神经网络的分类技术研究 Csp-lda，csp-bp的脑电波分类技术研究