最小二乘支持向量机岭回归函数,可以进行预测和分类
上传时间： 2014-01-01
上传用户：cc1
1.24位真彩色->256色灰度图。 2.预处理:中值滤波。 3.二值化:用一个初始阈值T对图像A进行二值化得到二值化图像B。 初始阈值T的确定方法是:选择阈值T=Gmax-(Gmax-Gmin)/3,Gmax和Gmin分别是最高、最低灰度值。 该阈值对不同牌照有一定的适应性,能够保证背景基本被置为0,以突出牌照区域。 4.削弱背景干扰。对图像B做简单的相邻像素灰度值相减,得到新的图像G,即Gi,j=|Pi,j-Pi,j-1|i=0,1,…,439 j=0,1,…,639Gi,0=Pi,0,左边缘直接赋值,不会影响整体效果。 5.用自定义模板进行中值滤波 区域灰度基本被赋值为0。考虑到文字是由许多短竖线组成,而背景噪声有一大部分是孤立噪声,用模板(1,1,1,1,1)T对G进行中值滤波,能够得到除掉了大部分干扰的图像C。 6.牌照搜索:利用水平投影法检测车牌水平位置,利用垂直投影法检测车牌垂直位置。 7.区域裁剪,截取车牌图像。
上传时间： 2014-01-08
上传用户：songrui
Otsu-最大类间方差Matlab代码 最大类间方差法原理：最大类间方差法是由日本学者大津于1979年提出的,是一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2 部分。背景和目标之间的类间方差 ％ 大,说明构成图像的2 部分的差别越大,当部分目标错分为背景或部分背景错分为目标都会导致2 部 ％ 分差别变小。
上传时间： 2015-09-05
上传用户：shanml
一种基于图像灰度的快速匹配算法，PDF格式的
上传时间： 2014-01-19
上传用户：zhuoying119
Neural Network in Finance (神经网络在金融界:赢得预言性的优势)全部原码。内容包括预测与估计，对时间数列的分析，利用神经网络进行降维和分级等很多例子。
上传时间： 2015-09-09
上传用户：wangdean1101
使用SVM支持向量机 预测分类 使用SVM支持向量机 预测分类
上传时间： 2015-09-11
上传用户：lhc9102
混沌时间序列分析与预测工具箱 Version1.0 (Chaotic Time Series Analysis and Prediction Matlab Toolbox - version 1.0)
标签： Prediction 1.0 Analysis Version
上传时间： 2015-09-11
上传用户：trepb001
matlab时间序列预测，本程序采用遗忘因子算法的方式实现
上传时间： 2014-06-30
上传用户：yiwen213
< 后工业社会的来临——对社会预测的一项探索>> 三联书社推荐的一本书
上传时间： 2014-01-24
上传用户：windwolf2000
利用LMS算法仿真了各种线性预测滤波器,并证明的该算法效率很高,能节省硬件资源.
上传时间： 2013-12-21
上传用户：ve3344
