资源简介
基于SIFT特征和K-means以及SVM提出了场景图形分类系统的理论框架。然后进行试验,比较不同聚类数目的正确率,同时还与机器学习方法进行了效果比较。试验结果表明,基于SIFT和K-means以及SVM的场景分类方法在准确率上很接近机器学习方法。
代码片段和文件信息
- 上一篇:交换机的VLAN配置
- 下一篇:opencv+vs2017实现图象去雾
相关资源
- PCA 提取特征用于分类
- LSSVM工具箱的使用说明
- SVM程序包括几种SVM
- LS-SVM工具箱
- JSVM解码器阅读笔记
- KMeans GMM
- FormatDatalibsvm.xls86855
- 基于SVM的AdaBoost
- 一种基于AdaBoost的SVM分类器(1).pdf
- SVM+HOG (行人、车辆等检测)
- 基于SVM的成对分类法对于手写数字识
- SVM对偶空间求解与直接求解效率比较
- 一种新的模糊支持向量机算法的推演
- SVM分类器IDL
- 基于PSO-SVM负荷预测
- libsvm-3.20.zip
- libsvm-mat-2.89-3[FarutoUltimate3.0].rar
- 用MapReduce实现KMeans算法
- 模式识别模型选择,SVM,分类器作业
- 用SVM做特征选择
- Svm实现多分类
- svm用于特征提取、预测、目标识别问
- 机器学习Kmeans实验报告
- pso优化的SVM分类
- 基于SIFT特征点的双目视觉定位
- SVM多分类IEEE期刊论文
- SURF、SIFT、ORB特征提取opencv程序
- 首次提出SVM的英文论文,105页pdf
- GA_SVM.zip
- PSO_SVM.zip
评论
共有 条评论