本程序包提供了提取图像hog特征的手段，使用的是matlab自带的函数，并且提供了简单的基于KNN分类的验证程序，用于验证所提hog特征是否有效，效果是否好于普通的灰度特征。

方向梯度直方图（Histogram of Oriented Gradient, HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。 本文提供详细讲述和完整算法代码

本文意在讲解语音识别的方法，主要包括语音特征提取（Mel频率倒谱系数的提取），softmax分类器进行四分类，数据库为京剧。

采用新型3D传感器能够便捷地同时获取多场景、多视觉和多目标彩色和深度信息的RGB-D图像，利用其在物体重叠和遮挡下深度信息对颜色和亮度的不变特点，有效提高RGB-D图像分类的精度。对微软Kinect设备的发展及原理做详细介绍；介绍了现有的RGB-D数据集；对现有RGB-D图像特征提取与分类方法进行了归纳、分析和比较；阐述RGB-D图像分类的发展趋势。

为了对分布式光纤上的入侵信号类型进行准确识别,提出了一种基于集合经验模态分解(EEMD)结合随机向量函数链接(RVFL)神经网络的光纤入侵信号的特征提取与识别算法。算法步骤为:对采集到的光纤入侵信号作预处理操作,包括最小-最大规范化处理和利用db3小波去除信号的低频噪声;采用EEMD方法对入侵信号进行分解,得到5组本征模态函数(IMF);计算各IMF分量的能量占比,并依据方差分析法筛选出3组特征向量;将特征向量送入RVFL神经网络进行训练并对入侵信号进行识别。实验结果显示:该方法能正确识别不同入侵信号的类型,具有较高的准确率。

Object_Recognition_From_RGBD_Data：近年来，对象识别由于其众多的应用而引起了研究人员的越来越多的关注。 例如，对象识别使协作机器人能够执行诸如在非结构化环境中搜索对象或为人类同事检索工具之类的任务。 在这项研究中，我们提出了一种新技术，用于从红色，绿色，蓝色和深度（RGB-D）数据中进行无监督的特征提取，然后将其与多个分类器组合以执行对象识别。 具体而言，我们的体系结构首先通过无监督的聚类技术对桌面场景中的所有对象进行了细分。 然后，它分别关注每个对象，以提取形状和视觉特征。 我们对从YCB对象和模型集中选择的20个对象的子集进行实验，并评估几个分类器的性能

是JPEG隐写检测的经典算法，用matlab实现

基于一个公开数据集和一个BCI竞赛数据集，提供一个SVM-CSP运动想象二分类demo，详见https://www.xxy.ink/learn/bci/2.html。包含脑电CSP特征提取，运动想象支持向量机分类，bbci和biosig工具箱等。

利用HSV颜色空间算法,对图像进行HSV技术处理,为图像的下一步分割技术提供指导,编写了MATLAB代码

适用于字符识别，数字识别以及车牌识别的特征提取方法，采用多种方法相结合的方式，提高识别率。