搜索资源列表
rsvd
- 基于GM算法和QR分解实现的稳健奇异值分解算法，通过该算法可以获取一个数居阵的稳健方差－协方差阵。在该稳健方差－协方差阵上可以进行诸如，稳健主成份分解、稳健聚类、稳健因子分析等操作。-GM based on QR decomposition algorithm and the realization of the stability of singular value decomposition algorithm, the algorithm can be accessed through a
Face_Recognition_Based_on_PCA_Comparative_Study.ra
- 主成成份分析( PCA) 方法是人脸识别技术中常用的一种一维特征抽取方法。传统PCA 方法用于人脸识别常常面临图像维数高,直接计算量的问题。为了解决这2 个问题,人们对PCA 进行了改进,提出并实现了多种基于PCA 的人脸识别。对3 种基于PCA 的人脸识别方法做了理论上的研究和实验上的性能比较。实验结果表明PCA + 2DPCA 是其中综合效果最好的一种方法。-Principal component analysis into (PCA) is a commonly used face rec
PCA_ORL
- 这个程序实现了基于主成份的人脸可视化分析,这是一个完整程序代码.-This program implements the main components of the human face based on visual analysis, this is a complete code.
PCA-SVM
- 本程序使用MATLAAB R2014a 编写，基于PCA_SVM的人脸识别程序。程序包括主成份分析、SVM核函数，并附带了人脸库，使之能够直接调用人脸库图像进行人脸识别-The program uses MATLAAB R2014a written procedure based on recognition of PCA_SVM. Program includes principal component analysis, SVM kernel function, and comes face
PCA_based
- 本程序使用MATLAAB R2014a 编写,基于PCA的人脸识别程序。主要使用的是用PCA（主成份分析）方法。文件附带了人脸库，可以直接使用。-This procedure using MATLAB R2014a written PCA-based face recognition program. The main use is to use PCA (Principal Component Analysis) method. Documentation that came with the
KPCA
- KPCA 核主成分分析 降维处理 与传统的PCA相比，KPCA具有主成份特征明显,贡献率集中,主成份参数维数较少等优点,其性能明显高于PCA的分析结果-Nuclear dimension principal component analysis (KPCA Compared with the traditional PCA, KPCA with principal component characteristics significantly, contribution, princip
PCA
- 提取数据的主分量成份，对数据信息的主成份进行提取和分析-Extract data of principal component elements, principal component extraction and analysis of data information
pca
- 主成份分析代码，实现对信号的主成分分析和实现，有利于更好理解这部分功能。(Principal component analysis code, to achieve the main component of the signal analysis and implementation, is conducive to a better understanding of this part of the function)
PCA-SVM
- 利用主成份分析 SVM 实现 人脸识别(Using principal component analysis SVM to realize face recognition)