形态学，即数学形态学(mathematical Morphology），是图像处理中应用最为广泛的技术之一，主要用于从图像中提取对表达和描绘区域形状有意义的图像分量，使后续的识别工作能够抓住目标对象最为本质〈最具区分能力－most discriminative）的形状特征，如边界和连通区域等。同时像细化、像素化和修剪毛刺等技术也常应用于图像的预处理和后处理中，成为图像增强技术的有力补充。本文主要包

我们将应用PCA技术来抽取人脸特征。一幅人脸照片往往由比较多的像素构成，如果以每个像素作为1维特征，将得到一个维数非常高的特征向量， 计算将十分困难；而且这些像素之间通常具有相关性。这样，利用PCA技术在降低维数的同时在一定程度上去除原始特征各维之间的相关性自然成为了一个比较理想的方案。数据集简介本案例采用的数据集来自著名的ORL人脸库。首先对该人脸库做一个简单的介绍：ORL数

本文主要包括以下内容模式与模式识别的基本概念过度拟合最小距离分类器基于相关的模板匹配本章的典型案例分析基于最小距离分类器的鸾尾属植物分类基于相关技术的图像模式匹配模式识别概述模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起， 人们当然也希望能用计

问题的动机什么是异常检测呢?为了解释这个概念,让我举一个例子吧:假想你是一个飞机引擎制造商,当你生产的飞机引擎从生产线上流出时,你需要进行 QA (质量控制测试),而作为这个测试的一部分,你测量了飞机引擎的一些特征变量,比如引擎 运转时产生的热量,或者引擎的振动等等。这里的每个点、每个叉,都是你的无标签数据。这样,异常检测问题可以定义如下:我们假设后来有一天,你有一个新的飞

我们之前学的,无论是线性回归还是逻辑回归都有这样一个缺点,即:当特征太多时, 计算的负荷会非常大。普通的逻辑回归模型,不能有效地处理这么多的特征,这时候我们 需要神经网络。神经元和大脑神经网络是一种很古老的算法,它最初产生的目的是制造能模拟大脑的机器。神经网络逐渐兴起于二十世纪八九十年代,应用得非常广泛。但由于各种原因,在 90 年代的后期应用减少了。但是最近,神经网络又东山再

本篇主要讲解了利用HttpClient实现 windows主机与linux服务器的通信与传递数据HttpClient代码，服务器端配置系统和安装软件1）ubuntu 14.04 64位系统2）sudo apt-get install apache2 sqlite3 libsqlite3-dev配置apache 支持cgi配置目录 /etc/apache2html页面目录 /var/www

本文主要包含一个struts2+ajax+json的使用实例步骤如下1.准备工作①ajax使用Jquery：jquery-1.4.2.min.js②struts2与json的依赖包：struts2-json-plugin-2.2.3.jar,json-libPS：版本可自己控制！~2.过程①引入json依赖包②编写action类③配置struts.xm

在服务器与客户端之间通信，json数据是一种常用格式，本文主要在服务器端构建数据，在客户端接收显示，并且在listview上显示出来服务器端的构建简单的javabean与返回结果函数与插入函数略过public void doGet(HttpServletRequest request, HttpServletResponse response)throws ServletE

安卓单元测试总结文章，目测主要会cover以下的主题：什么是单元测试为什么要做单元测试JUnitMockitoRobolectricDagger2一个具体的app例子实践神秘的bonusJUnit测试在写测试之前，让我们做下简单的检查，确保工程配置正确。首先，确认在Build Variants窗口内的Test Artifact中选择了”Unit Tests”。如果不是的话，产生的测

本文主要包括以下内容模式与模式识别的基本概念过度拟合最小距离分类器基于相关的模板匹配本章的典型案例分析基于最小距离分类器的鸾尾属植物分类基于相关技术的图像模式匹配模式识别概述模式识别(Pattern Recognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起， 人们当然也希望能用计