人脸识别_门禁_adaboost

小波神经网络研究的进展及及于rbf算法结合，希望可以抛砖引玉(Wavelet neural network and the progress of the studies and rbf algorithm in combination, hoping to start)

一个可图片中文字进行识别的matlab实例程序，具有很不错的识别率(A picture in the text to identify the matlab example programs, with very good recognition rate)

一个测试播放 DivX编码的数据影像的Project。 (a test broadcast DivX encoded video data Project.)

利用离散余弦变换DCT和小波变换DWT实现对图片的变化域压缩并进行仿真以及性能分析(Using the discrete cosine transform DCT and wavelet transform DWT realization of the picture changes and simulated field compression and performance analysis)

几个非常实用的神经网络实例，是用matlab语言编写(Several very practical examples of the neural network, using matlab language worth learning!)

一种新型的配电网潮流计算的matlab源代码,基于前推回代法，并附有10kv配电网数据，利用新的判别手段，成功解决配电网不收敛的问题(A new distribution power flow calculation matlab source code, based on forward and backward substitution method, together with 10kv distribution network data, using new identification methods, successfully resolved the problem of the distribution network does not converge)

经典的分岔程序，相图程序，实用，可以参考学习(bifurcation,Classical bifurcation procedures, phase diagram procedures, practical, can refer to learning)

说明：  分类使用（一个非常简单的实现）支持向量机算法(Classify using (a very simple implementation of) the support vector machine algorithm)

应用背景这是四大电流和L293D L293单臂半H司机。设计提供的L293多达1个电压双向驱动电流从4.5 V至36 V单的设计提供了双向驱动电流600毫安，电压从4.5 V到36 V的两装置设计用于驱动感性负载等继电器，电磁阀，直流和步进汽车，以及其他高电流/电压在正电源应用负载。所有输入的TTL兼容。每个输出是完整的图腾柱驱动电路，用达林顿晶体管散热器和伪—达林顿源。驱动程序启用双驱动，1和2，3和4 1,2en司机启用启用3,4en。当使能输入高，相关的驱动程序启用，其输出是活跃的在输入阶段。当使能输入是低的，那些司机都是残疾人，他们的输出关在高阻抗状态。用正确的数据输入，每对司机形成一个full-h（或桥梁）关键技术生态规划-计划环保分类：无铅（RoHS），无铅（RoHS豁免），或绿色（ROHS &；没有某人/ BR）-请检查最新的可用信息和附加产品的详细内容http://www.ti.com/productcontent。待定：无铅/绿色转换计划尚未确定。无铅（RoHS）：TI的“无铅”或“无铅”意味着半导体产品，与现有的RoHS兼容所有6种物质，包括需求，铅不超过0.1%的均质材料重量。在设计焊接在高温下，钛的无铅产品适用于特定的无铅工艺。无铅（RoHS豁免）：这部分有1个RoHS豁免）铅基焊料凸点倒装芯片的使用和模具之间包，或2）铅基模胶用的模具和引线框架之间。组件被认为无铅（RoHS上述定义兼容）。格林（ROHS &；没有某人/ BR）：TI定义“绿色”意味着无铅（RoHS兼容），无溴（Br）、锑（Sb）的火焰阻燃剂（溴或某人不超过0.1%的均质材料重量）（3）MSL，峰值温度。——水分敏感性

这是用matlab编写的支持向量机的函数工具箱，初学者可作参考(This is prepared by using matlab function Support Vector Machine Toolbox, beginners can make reference to)