搜索资源列表
facerecognition
- 使用Eigen face和PCA的方法进行面部识别.建立面部特征库,将输入的面部特征与库中数据比较找出近似的.-using Eigen face and PCA to do the face recognition. The final result is base on the threshold of Eigen face distance
pcaProgram
- PCA算法程序设计步骤： 1、取均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量 -PCA algorithm programming steps: 1, access means 2, the calculation of
MPCALDA
- 编程是由pca和lda结合的脸部特征提取，用于三维图像。-multilinear principal component analysis combined with Linear discriminant analysis 3D face feature extraction.
zhufneliang
- 目标的雷达散射截面(RCS)包含了丰富的目标类别信息,如何有效利用目标RCS特征对空间目标的雷 达识别具有重要意义. 文中提取中心矩作为特征向量,采用主分量分析( PCA)进一步进行特征压缩,利用支撑矢 量-Target radar cross section (RCS) contains a wealth of objective categories of information, how the effective use of target RCS characteristi
AComparativeStudyonFaceRecognitionUsingLDA-BasedAl
- 线性判别分析(LDA)是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人脸识别 会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于I,DA的人脸识 别 文章对几种基于LDA的人脸识别方法做了理论上的比较和实验数据的支持，这些方法包括Eigenfaces、Fish— erfaceS、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法。-Low—dimensional feature representat
LDA
- matlab线性判别分析函数，首先需要用PCA进行数据压缩，然后提前特征变量，进行判别分析-Matlab for LDA
pca2
- 基于主元分析（pca）的人脸特征提取MATLAB实现。 -Based on principal component analysis (pca) Face Feature Extraction MATLAB implementation.
face
- 收集的最全的人脸识别代码 有小波分析，有PCA，有LDA，有特征脸方法实现人脸识别-The most comprehensive collection of face recognition code is wavelet analysis, a PCA, a LDA, there are ways to achieve face recognition feature
3DFaceRecognitionBasedon3DLBPandKernelDiscriminant
- 二维照片的人脸识别对光照、姿态和化妆等因素很敏感，故提出了一种将三维局部二值模式(3DLBP)和核享，1剐分析(KDA)相结合的三维人脸识剐方法．采用3DLBP描述人脸深度图像的特征，高斯核函数KDA 作为分类器，使用Chi平方统计改进高斯核函数、采用FRGC v2．0中2003春季采集的三维人脸库进行实验．实验结果表明，该 方法在每人2个训练样本时，识别率为91．8％，而PCA和3DLBP的识别率分别为60．4％和78．3％；当每人的训练样本数增至6个时，识别率为98．4％，而PCA和3D
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_nvecs
- PCA转换之后，会得到按序排列的特征值和特征向量，取前n个，进行PCA投影-After PCA transformation, will be in descending order of eigenvalues and eigenvectors, fetch the first n months, for PCA projection
S
- 是一些人脸识别相关的文章，其中介绍了几种特征提取的方法PCA等-Are some articles related to face recognition, which introduces several feature extraction methods such as PCA
PCAforUCI
- 对UCI数据集做PCA图像特征提实验，PCA是一种很重要的方法-PCA on the UCI data sets to do the image feature extraction experiment, PCA is a very important method
drtoolbox
- 对于特征维数降维的matlab工具箱，包括PCA LDA ＰＰＣＡ 等-Matlab Toolbox for Dimensionality Reduction (v0.7.1- June 2010)
facerec
- 基于特征脸的人脸识别，利用PCA进行人脸识别，能很好的实现-Feature-based face recognition using PCA for face recognition, can achieve good
renlianbiaoqingshibie
- 人脸表情识别是模式识别领域中一个重要的研究方向。人脸表情识别包括：从背景图像中检测人脸、图像采集、对人脸图像进行预处理、PCA提取表情特征、表情识别。-Face recognition is an important research direction in the field of pattern recognition. Face recognition is made up of the following parts: face detection from the backgrou
featureface
- 利用matlab编程pca和fld算法来计算人的特征脸-Programming using matlab pca and fld algorithm to calculate the characteristics of human face
ModualPCA
- 模块pca, 在人脸识别中进行特征提取，速度效率比PCA要高，基于ORL人脸库上进行试验。-In face recognition module pca feature extraction by speed, efficiency, than pca based on ORL face database on the test.
pcakpca
- 这是我的毕业设计，是一个有关PCA与KPCA对数据进行处理提取其特征的程序，采用C++与MATLAB设计而成。-This is my graduation project, a PCA and KPCA on the data processing procedures for extracting the features using C++ and MATLAB design from.
feisher
- PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据； -PCA steps: 1 of the first data center 2 covariance matrix obtained 3 obtained covariance matrix eigenvalues and eigenvectors 4