Cap jari Pengesahan

 

Pengecaman cap jari adalah kawasan penyelidikan yang aktif pada masa kini. Komponen penting dalam sistem pengecaman cap jari adalah algoritma padanan cap jari. Mengikut domain masalah, algoritma padanan cap jari akan dikelaskan kepada dua kategori: algoritma pengesahan cap jari dan algoritma pengenalan cap jari. Algoritma pengesahan cap jari bertujuan untuk menentukan sama ada cap jari dua datang dari jari yang sama atau tidak. Di sisi lain, algoritma pengenalan cap jari Cari cap jari pertanyaan yang di pangkalan data untuk cap jari yang datang dari jari yang sama.

Demo ini menunjukkan pengiktirafan cap jari dan pengenalan.

Sistem pengecaman corak besar menggunakan multi neural rangkaian

Sekarang sehari, tiruan neural rangkaian telah digunakan lebih dalam pelbagai bidang kehidupan manusia. Walau bagaimanapun, mencipta rangkaian yang cekap bagi yang besar Pengelas seperti sistem pengecaman tulisan tangan masih merupakan satu cabaran yang besar kepada ahli-ahli sains.

 

Klasifikasi (inti SVM)

Classification with SVMs.

Pengelasan data yang menggunakan Mesin Vektor Sokongan (inti).

 

Klasifikasi (Bayes naif)

Classification with Naive Bayes.

Pengelasan data dengan Pengelas Bayes naif.

 

Klasifikasi (pokok-pokok keputusan)

Classification with Decision Trees.

Pokok keputusan pembelajaran dengan algoritma ID3 dan C4.5.

 

Satah Denavit-Hartenberg

Denavit-Hartenberg forward kinematics sample application.

Menunjukkan bagaimana untuk menggunakan parameter Denavit-Hartenberg dan persamaan untuk model rantaian kinematik.

 

Levenberg-Marquardt

Levenberg-Marquardt algorithm for Approximation, Time Series, and the XOR problems.

Menunjukkan penggunaan aplikasi Neuro untuk bekerja dengan Levenberg-Marquardt daripada kertaskerja. Merangkumi penyelesaian untuk penghampiran, ramalan siri masa dan eksklusif- atau masalah (XOR) yang menggunakan Rangkaian neural yang dilatih oleh Levenberg-Marquardt.

 

 

 

Analisis komponen utama inti (KPCA)

Permohonan contoh yang menunjukkan bagaimana untuk menggunakan analisis komponen utama inti (KPCA) untuk melaksanakan transformasi-linear dan mengurangkan dimensionality.

 

Analisis linear Discriminant (a)

Permohonan contoh yang menunjukkan bagaimana untuk menggunakan analisis Discriminant Linear (juga dikenali sebagai a, atau '' di Fisher (Multiple) Linear Discriminant analisis '') untuk melaksanakan transformasi linear dan klasifikasi.

 

Analisis komponen utama (PCA)

Permohonan contoh yang menunjukkan bagaimana untuk menggunakan analisis komponen utama (PCA) untuk melaksanakan transformasi linear dan mengurangkan dimensionality.

 

Tersembunyi Markov model

Menunjukkan bagaimana untuk menggunakan tersembunyi Markov model (HMMs) dan Markov jujukan Classifiers untuk mengenali urutan pemerhatian diskret.

 

 

Rakan kongsi kami

itresearches Discover our Technology Demonstrations : http://t.co/Bm1s6kIFub http://t.co/9JcATBDbUc

Hubungi kami!

Newsletter

Address

Address:
34 New House, 67-68 Hatton Garden, London, England, EC1N 8JY, City of London
Toll(UK):
+448000786364
Fax(UK) :
+448458520997

About Us

IT Researches ltd is an information technology company & International computer research centre offering a wide variety of 'AI Powered™' IT services for companies and researchers worldwide .

Connet With Us