python语言编写调用HOG算法提取特征向量SVM算法训练和分类程序，内附程序可正常运行。有任何问题请留言，我看到后会尽量解决

本示例说明如何使用机器学习和信号处理对PhysioNet 2017 Challenge的心跳心电图（ECG）数据进行分类。 特别是，该示例使用诊断特征设计器提取时域特征，然后使用分类学习器应用程序对其进行分类。 对于此示例，我已下载数据集并将它们构建为我们的诊断功能设计器应用程序所需的形式。 下载结构数据集： https : //www.dropbox.com/s/ilaofyb6h6m5sr6/ECGTable.mat?dl=0 在 MathWorks 网站上，还有其他方法： 1) 使用小波分析和深度学习对时间序列进行分类2) 使用长短期记忆网络对 ECG 信号进行分类 强调 ： 提示如何为诊断功能设计器应用程序准备数据使用诊断特征设计器应用程序提取时域特征。 使用分类学习器应用程序训练机器学习模型 产品重点： 的MATLAB 信号处理工具箱统计和机器学习工具箱系统识别工具箱预测性

本书清晰度极高，可直接复制文本，书签章节详细。 第1章介绍有关局部不变性的历史沿革和基本概念，第2 章介绍有关局部不变性的尺度空间理论基础，第3 章至第7 章详细捧出了局部不变性特征的实现方法，第8 章评价了各种局部不变性方法并给出了若干应用实例。适合工程技术人员阅读，也可供高等院校相关专业师生参考。

UVE提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签

二摘代码MATLAB 该项目 1-这是什么项目？ 创建该项目的目的是从VI轨迹中提取特征，以用于非侵入式负载监控（NILM）方法中的分类步骤。 VI轨迹从一个电压周期乘以一个系统测量电流的周期图创建二维形状。 2-用于开发和使用此项目的软件是什么？ Matlab R2017b和R2019b 档案文件 current_features_2018：在此文件夹中，我们包括了直到2018年文献中介绍的基于VI的功能的代码。 Mulinari2019：此文件夹中的代码已在“基于VI轨迹的电源签名分析的一组新的稳态和暂态特征”中进行了解释和详细说明，IEEE PES创新智能电网技术，拉丁美洲，2019年。 F2D：此文件夹中的代码已在“使用2-D傅里叶级数进行电负荷分类的VI轨迹特征提取”一书中进行了解释和详细说明，已提交给电力系统研究（ELSEVIER），2021年（正在审查中）。 每个功能的详细信息显示在相应的M文件中 问题与建议 如有任何疑问和/或建议，请随时通过以下电子邮件与我们联系： 贡献者： UTFPR（）。

在MATLAB中的特征线提取程序；对图像进行中值滤波；利用canny算子，进行边缘提取

图像分割提取特征matlab代码结节X 论文“使用CT扫描预测肺结节恶性程度的高精度模型”的辅助代码。 指示 克隆或下载此存储库后，将（）中的文件提取到data目录中。 这里包含的许多脚本都有几个可用的命令行选项。 使用--help选项运行脚本以查看用法列表。 要求 Python2.7， pip 提供了一个需求文件NoduleX_python_requirements.txt ，其中列出了所需的Python软件包。 您可以使用以下方法安装它们： pip install -r NoduleX_python_requirements.txt 建议设置虚拟环境。 QIF特征提取需要使用Octave（测试版为4.2.0）或MATLAB（对帮助程序脚本进行了一些修改，请参见QIF_extraction / README.md）。 假定为POSIX兼容系统（Linux，Mac OS或Windows下Linux Shell）； 给出的许多脚本都是用Bash shell语法编写的。 针对验证数据运行CNN模型 使用脚本keras_CNN/keras_evaluate.py提供正确的模型keras_CN

三种方式提取图像上的特征点，根据不同需要选取不同方法，提取特征调用的函数为：intpointdet

看到有人在求这个代码，就把它穿上来了，可以自己修改一下，加入一下改进的东西，效果还是不错的，需要gsl和opencv库

RoboSat是一个用Python 3编写的端到端管道，用于从航空和卫星图像中提取特征。 特征可以是图像中视觉上可区分的任何内容，例如：建筑物，停车场，道路或汽车。