[机器学习] 一种基于机器学习的车牌识别系统的设计.pdf

说明：以车牌识别的实用性为目的,设计一种鲁棒的车牌识别系统。 首先提出了 Sobel-Color 算法,以 Sobel 边缘和颜色 两种特征进行车牌定位,并结合 MSER 算法,设计了一种可靠的车牌定位方法来获取候选车牌区域,然后采用 SVM 算法 对候选车牌区域进行车牌判断;最后根据车牌特征设计了一种车牌字符分割算法,能正确分割车牌的各个字符,并有效地 去除车牌边缘部分的虚假字符,又根据分割出的车牌字符特征对 LeNet-5 深度网络模型进行改进,然后采用改进的 LeNet -5 网络对车牌字符进行
<diyi6976> 在 上传 | 大小：1048576

[机器学习] Adaptive Fourier decomposition based ECG denoising.pdf

说明：此文提出了一种基于自适应傅立叶分解（AFD）的心电信号去噪方法。AFD根据信号的能量分布对信号进行分解，使该算法适用于分离频率范围重叠但能量分布不同的纯ECG信号和噪声。根据噪声信号的估计信噪比（SNR），计算了AFD迭代分解过程的停止准则。基于AFD的方法通过一个ECG模型的合成ECG信号和MIT-BIH心律失常数据库中的真实ECG信号验证了该方法的有效性。仿真结果表明，与基于小波变换、Stockwell变换、经验模式分解和集成经验模式分解的主要ECG去噪方法相比，该方法在去噪和QRS检测方面
<diyi6976> 在 上传 | 大小：1048576

[机器学习] MCGS软件的莫迪康ModbusRTU介绍

说明：本驱动构件用于MCGS软件通过ModbusRTU协议读写Modicon PLC设备的各种寄存器的数据; 同时也可用于对支持ModbusRTU标准协议的各类PLC、仪表、控制器数据的读写。
<JaJa108> 在 上传 | 大小：266240

[机器学习] 使用matlab的二维码生成.m

说明：使用matlab生成二维码的一种简单方式，不过需要自己配置zxing包。zxing 包自行去github下载，在matlab路径中把zxing包添加上就可以生成二维码了。
<studycodetl> 在 上传 | 大小：776

[机器学习] GMM与背景建模的一个简单实现

说明：对GMM在背景建模中的一个简单的实现，参卡论文为Adaptive background mixture models for real-time tracking，该实现的输入可以是视频，也可以是摄像机的数据
<weixin_38907330> 在 上传 | 大小：2097152

[机器学习] 一个基于matlab的简单二维码解码程序Decoder.rar

说明：基于zxing包的二维码标准解码器，可以对二维码进行解码，程序很简单。是调用zxing包进行的解码，不需要设置路径，可以直接用
<studycodetl> 在 上传 | 大小：1048576

[机器学习] 医疗知识问答-数据集.zip

说明：# Chinese medical dialogue data 中文医疗对话数据集 ### Data_数据中有6个文件夹分别是: >**** 94596个问答对 > **** 220606个问答对 **** 183751个问答对 **** 75553个问答对 **** 101602个问答对 **** 115991个问答对 总计 792099个问答对
<weixin_40469691> 在 上传 | 大小：150994944

[机器学习] FullBNT-1.0.6.zip

说明：MATLAB TOOLBOX FullBNT-1.0.6 MATLAB的BNT贝叶斯网络工具箱，可进行贝叶斯网络构建，参数学习，结构学习等。
<weixin_40469691> 在 上传 | 大小：11534336

[机器学习] FullBNT-1.0.5.zip

说明：MATLAB TOOLBOX FullBNT-1.0.5 MATLAB的BNT贝叶斯网络工具箱，可进行贝叶斯网络构建，参数学习，结构学习等。
<weixin_40469691> 在 上传 | 大小：11534336

[机器学习] REID详细介绍-PPT-PDF

说明：一篇很详细的REID介绍，配合大量精美的插图。包含REID的介绍，新零售场景下的应用举例，以及strong baseline的介绍等
<herr_kun> 在 上传 | 大小：1048576

[机器学习] 数据仓库的数据挖掘作业.zip

说明：UCI数据库中的UNS(the knowledge level of user)数据集的数据挖掘作业 数据集 程序 报告一体俱全
<qq_33893619> 在 上传 | 大小：1010688

[机器学习] 度量空间中支撑点选取.docx

说明：大数据至少具备以下三个特性：数据量巨大（volume），处理速度要求快（velocity），数据类型复杂繁多（variety）针对上面的三个特性，现在对volume与velocity的研究较多，而对 Variety的研究相对较少。 在Variety的研究上主要是使用度量空间来表示，，其具备高度的普遍适用性，但是在度量空间中没有坐标信息，很多平时使用的数学工具无法使用，因此需要对其度量空间内的数据进行坐标化，这样，即可实现传统的数学计算，例如计算距离，计算垂直平分线等等。而数据的坐标化依赖于支撑点
<qq_33893619> 在 上传 | 大小：569344