模式识别
-
交通标志检测
交通标志检测 应用背景 道路交通系统 交通状况 驾驶员 危险与困难 规定速度 特殊路段 禁令标志 限速标志 禁止左右转弯标志 先进车辆辅助驾驶系统 ADAS 传感器 CCD摄像头 图像处理 模式识别 K均值聚类算法 图像分割算法 RGB颜色空间 HSI图像 光照噪声 归一化处理 数据挖掘 快速鲁棒性算法 SIFT 特征向量 平移 缩放 旋转不变性 光照变化 仿射 投影 特征点检测 方框滤波 Haar响应 欧氏距离匹配应用背景 交通标志在道路交通系统中占据重要地位，其主要作用为显示当前路段交通状况，提示驾驶员前方道路环境中的危险与困难，警告驾驶员按规定速度行驶，特殊路段禁止左右转弯或禁止停车等，为安全驾驶提供有利的保障。因此，交通标志的检测与识别是一个非常重要的课题，对防止道路交通事故，保障驾驶员的人身安全具有重要意义。 道路交通标志中，禁令标志主要起到禁止某种行为的作用，共43种，在交通标志中占据重要地位[14]。其中，限速标志及禁止左右转弯标志，对保障驾驶人的安全行驶具有重要意义，因此也是目前交通标志识别领域研 -
-
-
模式识别中Parzen窗法估计概率密度函数
此为模式识别中Parzen窗法估计概率密度函数。全部程序流程如下：1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本数N1和窗宽、体宽；2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本数N2和窗宽、体宽；3、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M；4、利用Parzen窗法估计概率密度函数判别男女性别；5、对本判别的错误率进行统计。 -
-
-
-
-
Fisher算法源码
应用统计方法解决模式识别问题的困难之一是维数问题，低维特征空间的分类问题一般比高维空间分类问题简单。因此，人们力图将特征空间进行降维，降维的一个基本思路是将d维特征空间投影到一条直线上，形成一维空间，这在数学上比较容易实现。问题的关键是投影之后原来线性可分的样本可能变为线性不可分。一般对于线性可分的样本，总能找到一个投影方向，使得降维后样本仍然线性可分。如何确定投影方向使得降维以后，样本不但线性可分，而且可分性更好（即不同类别的样本之间的距离尽可能远，同一类别的样本尽可能集中分布），就是Fisher线性判 -
