搜索资源列表
face
- 基于主成分分析的人脸(pca)的人脸图像特征提取和识别，文件内有图库和程序。直接运行就可以了。-Based on principal component analysis (pca) face of face image feature extraction and recognition, there were atlas and program files. Run directly.
PCA2
- 用MATLAB实现了基于pca的特征提取方法，有效地完成了识别，是识别的经典例子-PCA to achieve recognition
Face-recognition-method
- 基于PCA 和BP 神经网络的人脸识别方法是针对 PCA 方法中存在的高维数问题和它对未训 练过的样本识别率低的缺点而提出的。该方法在预处理的基础上，利用粗糙集对 PCA 降维处理后的人脸特征进行约简，提取其中分类能力强的特征，实现在识别精度不变的情况下，有效的去除冗余信息；然后将约简后的属性输入到神经网络进行规则提取，利用神经网络非线性映射和并行处理的特点，增强对人脸图像识别的泛化能力。实验证明，使用该方法在识别率上有一定的提高-Face recognition method based
sift
- 1 SIFT 发展历程 SIFT算法由D.G.Lowe 1999年提出，2004年完善总结。后来Y.Ke将其描述子部分用PCA代替直方图的方式，对其进行改进。 2 SIFT 主要思想 SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。 3 SIFT算法的主要特点： a) SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性。 b) 独特性(Distinctive
pcaceshi
- 颜色特征HSV模型，用pca降维，已经测试成功-pca dimensionality reduction
Feature_Vector_Analysis
- 用LDA及pca算法分析特征，选择最好的特征。-This program uses LDA and PCA to analyze features from weka arff file. The projection on PCA and LDA space visualizes the goodness of the features. If the features are good enough to be classified well they should have some ki
PCA_SVM
- 采用经典的PCA对人脸图像进行特征提取，用SVM分类器进行分类。-Classic PCA face image feature extraction, classification with the SVM classifier.
PCA_MATLAB
- PCA(主成分分析)的MATLAB源代码，包含测试例子及使用文档，该算法主要用于图像分类时特征的降维。-PCA (Principal Component Analysis) of the MATLAB source code, including test case and use the document, the algorithm is mainly used for image classification and feature dimensionality reduction.
hLDAAandPCCAe
- 站长！这是使用LDA与PCA模式识别方法对人脸特征进行提提取计算的Matlab程序源码框架，比较好！ 可直接使用。 -Webmaster! This is the use of LDA and PCA pattern recognition method of facial feature to mention take calculated Matlab program source framework and better! Can be used directly.
Teiggenfacessh
- 本程序源码使用一种基于特征脸的人脸检测方法法，应用PCA技术进行人脸识别 可直接使用。 -The program source code using a face detection method based on features of the face, the application of PCA technology, face recognition can be used directly.
pca_bp
- 本程序采用pca提取人脸特征，采用人工神经网络识别人脸。-This procedure using pca face feature extraction, using artificial neural network recognition face.
extract_features2.tar
- 各种图像描述符算法,图像特征提取用的是SIFT特征检测子-computes steerable filters, SIFT descr iptor, moments, differential invariants, complex filters, shape context, spin images, PCA-SIFT.
pcaica
- pca与ica相结合的特征选择,进行主成分分析以后，再对所得特征进行独立成分分析-the combination of pca and ica for feature selection，after Principal component analysis, the resulting characteristics is has a independent component analysis
pcaaKPCA
- 主分量分析 和 核主分量分析的 原理简介，主分量分析（PCA）用于对信号进行特征提取和降维-Introduction of the principle of the principal component analysis and kernel principal component analysis, principal component analysis (PCA) for feature extraction and dimensionality reduction of signal
code
- 利用PCA提取人脸特征，。利用PCA技术降低维数去除了原始原始数据之间的关联性。-Using PCA face feature extraction,. Using PCA technology to reduce dimension in addition to the original connection between the original data.
PCASIFT
- PCA-SIFT的matlab源码，可以对图像的SIFT特征进行PCA主成成分提取，达到降维的目的-PCA-SIFT matlab source image SIFT features the PCA main into ingredients extracted achieve dimensionality reduction purposes
FaceRecognition
- 人脸自动识别技术有着广阔的应用领域，本文提出用主成分分析和BP神经网络进行人脸识别。人脸识别包括两个部分：第一，特征提取；第二，神经网络进行识别-facedetection is developped widely.this paper combining the pca method and the neural network method.
feature-detection
- 基于PCA的雷达点云数据的形状特征提取,主要是屋顶平面提取-The feature extraction of LiDAR point cloud data based on PCA
2DduplexingPCA(2D2PCA)
- 2D双向PCA(2D2PCA),二维主成分分析(2DPCA)的实质是对图像矩阵按行进行图像压缩抽取特征,消除了图像列的相关性.-2D bidirectional PCA (2D2PCA), two-dimensional principal component analysis (2DPCA) real image matrix row the Image Compression extraction characteristics to eliminate the correlation of
Image
- 图像的特征提取，典型案例是基于PCA技术的人脸数据集得降维处理-Image feature extraction, a typical case is based on PCA face data set to reduce the dimension of