搜索资源列表
Eigenface-based-face-recognition
- 基于特征脸和K-L变换的人脸识别系统，人脸识别方面的基本方法-Feature-based face recognition systems and KL transform, the basic method of face recognition
WaveletBasedTextureRetrievalUsingGeneralizedGaussi
- 基于小波变换的特征检索算法，用了广义高斯函数和K-L距离为相似侧度 -Wavelet-Based Texture Retrieval Using Generalized Gaussian Density and Kullback–Leibler Distance
KL100
- K-L特征压缩器的原理是利用K-L变换的优良性质,即K-L变换可消除原向量各分量间的相关性。-KL compressor characteristic is the use of KL transform the principle of good nature, that the original vector of KL Transform to eliminate the correlation between the various components.
matlabsourcecodeforzhiwen
- 基于K-L变换的指纹识别算法matlab实现 内含指纹库 对模式识别及matlab初学者有很大帮助-Based on k-l transform the fingerprint identification algorithm matlab containing fingerprint storehouse of pattern recognition and matlab beginners are of great help
KarhunenLoeve
- 数据降维算法 K_L变换是一种最优正交变换，以矢量信号X的协方差矩阵Ф的归一化正交特征矢量q所构成的正交矩阵Q，来对该矢量信号X做正交变换Y=QX，则称此变换为K-L变换（K-LT或KLT）。-Data reduction algorithm K_L optimal orthogonal transform is a transformation to vector signal covariance matrix Ф X normalized orthogonal feature vect
KL
- K-L变换 特征提取 三个特征 提取两个-KL transform feature extraction are two of three feature extraction
zuoye3
- 用FAMALE.TXT和MALE.TXT的数据作为本次作业使用的样本集，利用K-L变换对该样本集进行变换，与过去用Fisher线性判别方法或其它方法得到的分类面进行比较.-Use FAMALE. TXT and MALE. TXT data as the assignment is to use the data sets, by K-L of the sample set of change, and the past with Fisher transformation linear dis
KL
- matlab实现的K-L变换实现主成分分析-matlab implementation of KL transform PCA
face-detect
- 基于K-L变换下的人脸检测程序，用matlab编写的-KL transform based face detection under the program, using matlab
KL2
- 利用K-L变换进行特征提取 通过类平均向量来实现类别投影 -By K-L transform feature extraction Through the kind of average vector to achieve category projection
K_l
- 基于K-L变换的特征值提取 三维 数据效果还可以高维转换为低维-K-L character
Karhunen-Loeve
- 对“data4.m”数据，采用三种K-L变换，分别提取2个特征。-The "data4.m" data, using the three KL transform, two features were extracted.
KL
- 使用K-L算法进行特征变换，画出结果图像-Feature transformation, using the KL algorithm to draw the resulting image
face-recognition----matlab
- 实现了人脸识别的功能，特征提取，人脸图像预处理、K-L变换、特征提取及分类器设计，全自动的人脸自动识别系统-Face recognition, feature extraction, face image preprocessing, KL transform, feature extraction and classifier design, automatic automatic face recognition system
K_L
- 使用K-L变换和K-L反变换，对信号正交变换和压缩有很大帮助。-Using the K-L transform and inverse K-L transform, the signal orthogonal transform and compression of great help.
K-L-change
- 不考虑类别信息对整个样本集进行K-L变换 利用类平均向量提取判别信息-Does not consider the category information for the entire sample set KL transform the use of mean vector to extract discriminant information
DCTlicheng
- 研究表明，构成K一L变换矩阵的向量也就是ToePhtz矩阵的特征向量。与此同时，离散 余弦变换矩阵逼近于ToePutz矩阵的特征向量矩阵，所以离散余弦变换矩阵与自然图像的 K一L变换矩阵十分相似。经过离散余弦变换后的变换系数块的协方差矩阵Cy非常接近对角 阵，即除了对角线元素以外，其它很多元素都近似为0，并且在左上角集中了主要能量。这 反映了自然图像大部分区域变化不大，亮度突变只占少数，即图像能量以低频成分为主的特 性。通过变换后的量化，舍弃对视觉效果影响较小的次要信息，可达
fisher
- Fisher线性鉴别分析已成为特征抽取的最为有效的方法之一 .但是在高维、小样本情况下如何抽取Fisher最优鉴别特征仍是一个困难的、至今没有彻底解决的问题 .文中引入压缩映射和同构映射的思想 ,从理论上巧妙地解决了高维、奇异情况下最优鉴别矢量集的求解问题 ,而且该方法求解最优鉴别矢量集的全过程只需要在一个低维的变换空间内进行 ,这与传统方法相比极大地降低了计算量 .在此理论基础上 ,进一步为高维、小样本情况下的最优鉴别分析方法建立了一个通用的算法框架 ,即先作K L变换 ,再用Fisher鉴别
FaceRecognition
- 基于主成分分析的人脸识别，应用K-L变换作特征处理(Face recognition based PCA)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。