当前位置：
首页 资源下载
搜索资源 - feature extraction using lda
搜索资源列表
-
1下载：
现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th
-
-
0下载：
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
-
-
0下载：
In this paper, we show how support vector machine (SVM) can be
employed as a powerful tool for $k$-nearest neighbor (kNN)
classifier. A novel multi-class dimensionality reduction approach,
Discriminant Analysis via Support Vectors (SVDA), is in
-
-
1下载：
lda线性特征提取，用于人脸识别，首先进行小波特征提取后用lda提取特征。-lda linear feature extraction for face recognition, first of all, after feature extraction using wavelet feature extraction using lda.
-
-
0下载：
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
-
-
2下载：
用matlab编写的lde算法，实现的数据分析，抽取分类信息和压缩特征空间维数-Lde prepared using matlab algorithm to achieve the data analysis, feature extraction classified information and compressed space dimension
-
-
0下载：
对随机选择的iris数据，用LDA进行特征提取，然后用K近邻分类器分类的完整程序-Feature extraction using LDA,and perform classification via KNN
-
-
0下载：
this for pqrst detection .......................and its classification using lda feature extraction and nntool-this is for pqrst detection .......................and its classification using lda feature extraction and nntool
-
