搜索资源列表
SubspaceLearningCodes
- 子空间学习的代码，主要包括人脸识别中常用的特征提取算法如pca lda 以及目前常见的流行学习的相关代码-Subspace learning the code, mainly including commonly used in face recognition feature extraction algorithms such as pca lda and the current prevalence of common learning-related code
Subpattern-based_principal___component_analysis.zi
- 子模式主成分分析首先对原始图像分块，然后对相同位置的子图像分别建立子图像集，在每一个子图像集内使用PCA方法提取特征，建立子空间。对待识别图像，经相同分块后，分别将子图像向对应的子空间投影，提取特征。最后根据最近邻原则进行分类。-Sub-mode principal component analysis first of the original image block, and then the same sub-image, respectively, the location of the
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
gabor_3
- Gabor小波提取特征一幅输入的图形进行特征提取基于gabor小波变换 -Gabor wavelet feature extraction of an input graphics gabor feature extraction based on wavelet transform
SURF-V1.0.9
- 一种特征描述算子，功能和sift类似，但比sift速度更快，有重要的研究价值-A characterization of operators, functions and sift similar, but faster than sift, has important research value
featureExtraction
- 该程序包实现了模式识别中的两个特征提取算法，主成分分析PCA和线性判别分析LDA。采用C++语言编写，开发环境VS。 程序包还提供了两个测试样本文件。-The package to achieve the recognition of the two feature extraction algorithm, principal component analysis PCA and linear discriminant analysis LDA. Using C++ language, dev
pattern-recognition-simulation
- 用mushrooms数据对模式识别课程讲述的各种模式分类方法[线性分类，Bayesian分类，Parzen窗，KNN]和特征选择和降维方法[PCA,LDA]进行了模拟，并给出了各类分类方法的结果，-It s the simulations about linear classification ,Bayesian ,Parzen and KNN of pattern recognition .And ,It gives the results.
FaceDetection_Based_on_a_New_Nonlinear_Color_Space
- 提出一种新的非线性变换的彩色空间 ″″, 利用次高斯概率分布函数拟合皮肤色度信息, 得到候选区 YC C r b 域。为了排除候选区域中的非人脸, 首先根据均值和方差信息分割出候选区域中的纹理特征信息, 再通过多尺度 ) ( 信息定位眼睛, 然后根据人脸特征的几 形态边缘检测算子检测候选区域的边缘, 利用 边缘方向 PCA PCAED ( ) 何形状信息定位其他特征 鼻、嘴 , 通过这些几何特征信息对肤色分割得到的候选区域进行验证, 最终得到正确 的人
fum
- 标准化后进行PCA特征提取，然后聚类分类-After standardized PCA feature extraction, clustering and classification
2Dpca
- 这是一个非常经典的特征提取算法，matlab写的2DPCA源码-This is a very classical feature extraction algorithm 2DPCA, matlab source code
daima
- （压缩包里一共有5个代码） pca+lda+粗糙集+模糊神经网络 saveORLimage.m将ORL人脸库分为测试集ptest和训练集pstudy存为imagedata.mat 1.savelda.m将人脸库先进行pca降维，再用lda进行特征提取，得到新的测试集ldatest和训练集ldastudy存为imageldadata.mat 2.对ldastudy进行离散化(discretimage.m)，得到离散化矩阵disdata,存入到imagedisdata.mat
keigen
- 使用PCA抽取人脸灰度图片的前k个特征向量，计算人脸灰度图片的散布矩阵并且抽取其前k个作为主特征-using PCA to extracte gray picture face of the first k eigenvectors to calculate gray-scale image of the face spreading matrix, and taking its pre-k-as the main characteristics
pca
- 主元分析求取特征值和特征向量，用于直线倾角检测,及此倾角下的直线分布长度-The PCA is used to detect lines and the angles of lines
Recognition
- 人脸识别是生物特征识别技术中一个非常活跃的课题,取得了很多研究成果。统计主元分析法( Prin2cipal ComponentsAnalysis, PCA)是人脸特征提取和识别的常用方法之一。-Face recognition is an active subject in the area of biometrical recognition technology, and lots of achievements have been obtained. Principal Compone
DetectionLibrary
- Chesnokov Yuriy写的人脸检测库，内容涵盖肤色检测、运动估计、SVM分类、PCA/LDA/ICA特征提取以及神经网络分类器等。-The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
ica.pca.gabor
- 主成分分析等变化的程序包，用途特征提取额-pca ica
eigenvalue_computation.tar
- 快速PCA计算方法，有效实现降维等操作，和特征选择-Fast PCA method of calculation of effective dimension reduction and other operations, and feature selection
PCAforface
- 用PCA实现人脸特征提取和识别，用matlab编写，和结果分析-A matlab code of PCA for face recognition