texturedxl

利用匹配滤波器实现图形识别，包括程序和说明文档(Graphic Recognition Using Matched Filter)

本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，...( U672C u4E66 u7B2C u4E00 u90E8 u5206 u5206 u4E3B u8991 u4ECB u7ECD u673A u5668 u5B66 u4E60 u57FA u7840 uFF0C u4EE5 u53CA u5982 u4F55 u5229 u7528 u7B97 u6CD5 U8FDB u883C u5206 u7C7B uFF0C u5E76 u9010 u6B65 u4ECB u7ECD u4E86 u591A U90BB u6CD2 u3001 u6734 u7D2 u8D1D u53F6 u65AF u7B97 u6CD5 u3001Logistic u56DE u5F52 u7B97 u6CD5 u3001 u652F u6301 u5411 u91CF u673A u3001AdaBoost u96C6 u6210 U65B9 u6CD5 u3001 u57FA u4E8E u6811 u7R4 u5F52 u7B97 u6CD2 u5286 u5206 u7C7B u56DE u5F52 u6811 uFF08CART uFF09 u7B97 u6CD5 u7B49 u3002 u7B2C u4E09 U90E8 u5209 u5109 u91A u0312 u4E9B u8E1B u8981 u7B97 u6CD5 uFF1Ak u5747 u503C u805A u7B7B U7B97 u6CD3 u30011 by default for uppercase and uupstr U4E9B u9644 u5C5E u5DE5 u5177 u3002 u5168 u4E66 u901A u8FC7 u7CBE U5FC3 u7396 u7392 u7B09 u5B09 u5B09 u5B09 u5B03 U7528 u9184 u5R4 u5904 u7403 u7R03 u7 U5206 u6790 u53CA u53EF u89)

level set分割算法的matlab实现,by Chunming Li(image segmentation based on level sets algorithm.composed by Chunming Li)

用wpf实现一个简单的手滑切换图片的实例

说明：  识别指纹端点分叉点以及奇异点，其中还包括指纹方向场和指纹梯度场的计算(It also includes the calculation of fingerprint direction field and fingerprint gradient field)

基于窄带法编写的水平集函数，要先手动选择初始轮廓。(narrowband_CV model)

非常适合计算机视觉方面的研究使用,包括四元数的各种计算,算法优化非常好，几乎没有循环。( Very suitable for the study using computer vision, Including quaternion various calculations, Algorithm optimization is very good, almost no circulation.)

尺度空间sift算法的matlab实现，对理解算法步骤很有帮助(Scale space sift algorithm matlab to achieve an understanding of the steps of the algorithm helpful)

心血管分割，多尺度， 对于中心点的位置有很强的鲁棒性(Edge forcing)

本代码实现了基于卡方分布(nakagami 分布)的恒虚警检测(CFAR)，通过在查找表的形式，实现参数估计和阈值估计，完成对目标的检测。(The code based on the chi-square distribution (nakagami distribution) of the CFAR (CFAR), through the form of a lookup table to achieve the threshold parameter estimates and estimates to complete the target detection.)