搜索资源列表
ReadFaces
- 基于PCA的人脸特征抽取，首先将200幅人脸图像转换成向量形式，进而进行组成样本矩阵。-The PCA-based facial feature extraction, first 200 face images into a vector format, then the composition of the sample matrix.
Feature_Vector_Analysis
- 特征向量分析。LDA和PCA的matlab程序，有测试结果，很有用-Eigenvector analysis. LDA and PCA in the matlab program, have test results that are useful
PCA_ORL
- 人脸识别的经典算法PCA算法 用于特征提取-PCA face recognition algorithm for classical algorithm
FACE
- 人脸识别PCA方法特征脸的建立与人脸重建-PCA method for face recognition features of the establishment and face reconstruction
Untitled
- 基于PCA的人脸识别，样本归一化，特征脸，人脸重建-PCA-based face recognition, sample normalization, eigenface, face reconstruction
Nicolas_PCA
- 本程序含人脸特征提取的主成分分析（PCA）的源程序，希望对大家有用-The face feature extraction process with principal component analysis (PCA) of the source, we hope to be useful
score
- 对获得的512维小波特征进行了PCA降维处理，将特征空间降至100维，并采用前面得出的最佳系数针对多项式核函数和高斯径向基核函数-On access to the 512-dimensional wavelet features to reduce the dimension of the PCA, will feature space to 100 dimensions, and using the best coefficients obtained for the previous pol
eigenface
- 基于特征脸的人脸识别程序。适合初学者学习人脸识别中的PCA方法。-Feature-based face recognition program. Suitable for beginners to learn the PCA face recognition method.
palmprint-recognition-
- 首先计算掌纹图像二维Gabo r小波变 换系数的幅值, 将其作为掌纹图像的原始特征 其次, 利用 2DPCA 实现原始特征的降维 然后, 利用PCA 与FLD 的融合算 法进行二次降维的同时提取出最有利于分类的鉴别特征 最后, 利用最近邻算法进行掌纹的分类识别。 -First calculate the two-dimensional Gabo r palmprint image wavelet coefficients of magnitude, its character
ensembles_pca_svm_new10v
- pca做特征降维，然后进行特征空间随机分割构造多个svm分类器，并行处理，对样本进行分类，基于特征空间的svm多分类器-using pca reduce feature dimension,split feature space and then randomly divided over svm classifier construction, parallel processing, the samples were classified, based on multi-feature sp
2DPCA
- 用于对人脸进行识别，主要处理特征提取和特征匹配，最终实现对人脸的判别，比PCA准确率更搞，效率更好-face recognition
knn_bayes_pca_lda
- 课程设计源代码，实现功能在文档内有介绍。内含knn、bayes识别及pca、lda进行特征提取多种算法，运行参照readme。-The project source code.The realized function is introduced in the pdf document in the files including knn,bayes classification and pcd,lda feature extraction algorithms.Please read read
tezhentiqu
- 论文使用一种经典的特征提取方法—主成分分析法（PCA）进行特征提取，其基本思想是降维。降维后的数据除了计算工作量减少之外不会减少原始数据所包含的有效信息量。-This paper use a classical method for feature extraction—Principal Component Analysis(PCA)with the basic idea of dimensionality reduction(it still contains all valid infor
features-dimensionality-reduction
- 特征降维方法，其中包含有典型的特征组合方式——PCA和特征选择中的SFFS，SBS，SFS。共四类常用的特征降维方式。-different features dimensionality reduction methods.
BoostingLbp
- 基于LBP的人脸检测，其中PCA用来降维，LBP用于提取纹理特征-PCA used for dimensional reduction, LBP used to extract the texture characteristics
Copy-Detection
- 使用下采样帧构成的列向量的PCA系数作为每帧特征（原则上，也可以使用其他类型的关键帧特征），多帧特征构成特征矢量，以高斯概率模型的后验概率衡量相似性、并建立k维树结构的索引进行搜索，文中对噪声、模糊、再压缩、加Logo，及其这些变换的两两组合进行了实验（丢帧很少时也可以），速度很快，适合于大规模因特网视频的搜索。-Use sampling frame column vector of the PCA coefficients as each frame features (in principl
06102001
- 机器学习》课上的作业，PCA和LDA降维，尽管网上很多，但很少注释，另外细节上也没注意。这里有很详细的注释。另外还附上一个Naive贝叶斯分类器，大家可以作比较。附带的图像包是OLR人脸。ReducedDim为想要提取的特征数，不是百分比！-" -Machine learning" classes on the homework, PCA and LDA dimensionality reduction, even though a lot of online, but few notes, o
pca2
- PCA 主成分分析 特征抽取 特征降维 matlab实现-PCA principal component analysis feature extraction dimension reduction
KPCA
- KPCA是一种基于核的主要成分分析，是一种由线性到非线性之间的桥梁。通过非线性函数把输入空间映射到高维空间，在特征空间中间型数据处理，引入核函数，把非线性变换后的特征空间内积运算转换为原始空间的核函数计算。 基本思想是通过某种隐士方法将输入空间映射到某个高维空间（特征空间），并在特征空间实现PCA。对该算法进行了详细的说明-KPCA is a kernel-based principal components analysis, is a bridge between the linear
PCAPSVMPORL
- 对于人脸数据库ORL，先用PCA进行特征提取，然后用SVM进行分类识别。里面有ORL数据库。-The ORL face database, first using PCA feature extraction using SVM for classification. There ORL database.