搜索资源列表
guizhou
- 利用主成分分析法对BP神经网络的输入参数进行降维，然后进行网络的训练，PCA-BP处理的结果同单一的bp相比，不仅提高了网络的收敛速度，而且提高了网络对预测数据分类的精度
FaceRecognitonCode
- 人脸识别工具箱,包含了PCA,LDA两中方法-Face Recognition toolbox contains PCA, LDA in the two methods
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
BPre
- BP 图像识别算法，基于pca的方法，外国人写的-BP image recognition algorithm, pca-based approach, written by foreigners
five
- 1.BP神经网络进行模式识别 2.用BP网络对非线性系统进行辨识 3.一个神经网络PID控制器 4.图像处理的PCA算法 5.图像处理的穷举算法-1.BP neural network pattern recognition 2. Using BP network identification of nonlinear systems 3. A neural network PID controller 4. The PCA algorithm for image process
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
Machine-Learning-Toolkit-Examples
- labview关于机器学习的案例，来源于NI lab，有多种方法：BP、Kernel PCA、Clustering、svm等等，值得大家学习。-labview on the case of machine learning, from the NI lab, there are a number of ways: BP, the Kernel the PCA, Clustering, svm, etc., is worth learning.
Speech-Emotion-Recognition
- 基于主成分分析法和反向传输神经网络的语音情感识别 摘要——语音信号中包含着丰富的情感信息，尤其是语义信息。快乐、愤怒、厌恶、恐惧、悲伤，这五种基本情感是经过一个受认可的框架讨论和公认的，这个框架包括主成分分析法和BP神经网络。通过PCA从43种候选参数中筛选出11种参数作为确定某种特定的情感类别的标准。实验采用两种神经网络模型，One Class One Network 和 All Class One Network，并进行比较。实验结果表明，其可靠性达52 ~62 ，这说明用这种框架来识别
FaceRec1
- PCA+BP神经网络的人脸识别程序已进行仿真，可实现-Face recognition program of the PCA+BP neural network simulation can be realized
BP
- BP神经网络训练以及检验，得到结果与设定值的误差，训练数据越多结果会越好。PS:为了获得更好的效果，请先用PCA或线性回归等方法对学习数据进行预处理。-BP neural network training and testing, the results obtained with the set value of the error, the more training data results will be better. PS: In order to obtain better res
Face-Recognition-Based-on-BP-Network
- 基于BP网人脸识别, 使用PCA方法对人脸特征进行抽取-Face Recognition Based on BP Network
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
PCA-BP
- 基于PCA-BP神经网络的接地网故障诊断算法-Ground Fault diagnosis algorithm PCA-BP neural network
pca-bp
- 在建模前先将数据利用PCA进行降维，将降维后的数据作为BP神经网络的输入因子，对数据进行拟合。-Before the first data modeling use PCA dimensionality reduction, the reduced dimensionality of the data as the input factor BP neural network, the data fitting.
PCA-BEL(ToolBox1.0)
- 又提供一基于生理的情感神经网络，包含杏仁体，丘脑，视觉神经等重要元素，可用于分类与预测，性能优越于SVM，BP-The use of neural network based on emotional physiology, contains important elements of the amygdala, thalamus, optic nerve, etc., can be used for classification and prediction, superior perform
PCA-BP
- PCA和BP神经网络结合，适用于人脸识别中-PCA and BP neural network for face recognition
pcabp
- The pca method was used for the classification of BP neural network
一种基于改进BP神经网络的PCA人脸识别算法_李康顺
- 一种基于改进BP神经网络的PCA人脸识别算法(An improved BP neural network PCA algorithm for face recognition)
simplecharrec(III)-update
- 基于PCA和BP网络的手写数字字符的识别(Recognition of handwritten numeric characters based on PCA and BP networks)
源程序
- 神经网络BP算法，PCA算法以及PNN算法(Neural network BP algorithm and PNN algorithm)