模型匹配

基于4类用户特征，构建决策树模型，判别3G客户最优机型选择，包含： 费用数据：出账、优惠、数据、新业务、彩铃费用 消费信息：彩信、手机报、手机流量、邮箱、彩铃订购情况 客户终端偏好：年龄、性别、终端偏好 基本信息：套餐品牌、用户所在地、3G标识、在网时长、通话时长（本地、漫游、长途）、交往圈

此脚本实现了左右匹配算法。

此函数使用F检验来确定观察到的数据拟合改进是否保证使用附加参数的可能性。用法： >> [ p, Fstat, df1, df2 ] = ftest(n, np1, np2, chi1, chi2)。该函数需要五个输入： n：要拟合的数据数。 np1 & np2：两个模型中使用的自由参数的数量。 chi1和chi2：两个模型的数据失配的平方和。 主要输出是p，表示拟合改进是偶然的概率（在0和1之间）。因此，较小的p值意味着对附加参数有保证的高置信度。可以参考文献：Anderson, KB和Conder, JA，2011，讨论多循环Hubbert建模作为预测未来石油产量的方法，能源和燃料，dx.doi.org/10.1021/ef1012648。

因果匹配策略 利用因果分析匹配技术，消除因果关系不确定性，从而做出科学决策。 核心原理： 基于因果关系和相关关系匹配样本组，建立对照组，通过比较对照组和干预组之间的差异来衡量因果效应。

图形匹配问题的简要介绍和入门经验很好

使用python实现文本近似度匹配，从b列中查找与a列文本最相似的值及近似度。 例如：a列：白术b列：白术、炒白术、黄芩 输出：相似的值：白术、炒白术近似度：1

MATLAB 代码用于执行匹配滤波

功能：在图像边缘区域中搜索并定位给定模板。应用场景：- 目标识别- 图像配准

MATLAB影像拼接代码图像马赛克和拼接-Yiren Lu (luyiren [at] seas [dot] upenn [dot] edu)图像拼接和拼接的MATLAB实现：哈里斯角检测器见corner_detector_impl.m哈里斯、克里斯和迈克·斯蒂芬斯。“组合角和边缘检测器。”阿尔维视觉会议。卷。15. 1988年。自适应非极大值抑制(ANMS)见anms.m布朗、马修、理查德·塞利斯基和西蒙·温德。“使用多尺度面向补丁的多图像匹配。”2005年IEEE计算机协会计算机视觉和模式识别会议(CVPR'05)。卷。1. IEEE，2005。几何模糊见geo_blur.m Berg、Alexander C.和Jitendra Malik。“模板匹配的几何模糊。”计算机视觉和模式识别，2001年。CVPR 2001年。2001年IEEE计算机学会会议论文集。卷。1. IEEE，2001。图像描述符匹配见feat_desc.m或feat_desc_geoblur.m 40x40补丁描述符下采样到8x8

本资源通过模板匹配技术，利用Matlab语言实现了高效的图像匹配功能。