搜索资源列表
PCA-face-recognition
- 提取人脸图像pca降维特征以实现人脸识别，采用MATLAB语言实现实现-Extracting features of face image PCA to realize face recognition, using MATLAB language
PCA
- 高光谱图像PCA算法（注释详尽） 将传统的PCA算法应用于高光谱遥感中，实现光谱图像的数据降维-PCA algorithm for hyperspectral image The traditional PCA algorithm is applied to hyperspectral remote sensing, the realization of spectral image data dimensionality reduction
PCA
- 图形图像 PCA 图片压缩 lena 图片(picture compressive pca picture picture compressive lena picture one picture)
PCA融合
- 对于两幅图像进行PCA融合，对高分辨率的灰度图像和低分辨率的彩色图像进行融合(For the two images of PCA fusion, the high resolution gray image and low resolution color image fusion)
PCA
- PCA图像融合效果挺好可以试试.......(PCA fuction image fusion effect is good, you can try)
MNIST-PCA
- 使用PCA算法分析MNIST 手写字符训练样本。 结果分别生成以2、5、10个PCA主成分的重构图像以及10个主成分特征向量的对应图像。(Implement PCA algorithm on MNIST dataset and calculate the class PCA on each digit separately.)
noise level estimation PCA-based
- 利用PCA，提取图像中特征值最小的区域，来估计图像噪声(PCA is used to extract the smallest region of the image feature to estimate the image noise)
PCA-SVM-master
- PCA/SVM算法实现图像分类，分类准确率可到达90%(Image classification by PCA/SVM algorithm)
PCA
- 采用INP数据（145*145*200），该数据有16个类别， PCA进行数据降维，然后对降维数据采用kNN分类（k=1）。(Using INP data (145*145*200), the data has 16 categories, PCA carries out data reduction, and then uses kNN classification for dimensionality reduction data (k=1).)
PCA
- 非常经典的特征提取算法，经常用来做降维方法，但是也可以直接用来做特征提取，很适合图像处理入门，在人脸识别也经常用到(Very classic feature extraction algorithm, often used to do dimensionality reduction methods, but can also be used directly to do feature extraction, it is suitable for image processing, in fa
PCA
- 基于主成分分析的遥感图像融合算法，融合结果质量较好。(The fusion algorithm of remote sensing image based on principal component analysis has better fusion result.)
PCA
- 1、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取. 2、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取。 3、计算平均矩阵。 4、对平均值矩阵进行SVD： 5、平均矩阵进行SVD后的前20个singular vector的输出结果。 6. 将训练集的每一张图片当成一行，形成一个矩阵，然后对矩阵进行PCA分解。 7. 这个矩阵对测试集的每张图片进行降 维，得到的图像。(1, rea
PCA
- 用matlab自带的PCA算法对图像进行降维(Dimensionality reduction for images)
PCA
- 对高维图像进行PCA和KNN分类器处理转换为低维图像(use PCA and KNN for high dimensional image)
pca
- 大数据降维方法，具体的处理了图像等，包括数据的冗余部分，利用PCA技术快速降维。(Large data dimensionality reduction method.Specifically dealing with images, including redundant parts of data, and using PCA technology to reduce dimensionality rapidly.)
pca
- 将图像进行主成分分析，并显示第一主成分，方法很好用的(The principal component analysis is performed and the first principal component is displayed.)
图像融合技术研究
- 利用拉普拉斯金字塔的方法融合图像,彩色部分采用了主成分分析的办法（PCA）(you can use this code to fuse two pictures.it's a good matlab code.hope every body can use this code every day)
3DpcaPlot
- PCA主成分分析，基于R语言平台的pca分析和绘制三维图像(PCA principal component analysis, based on R language platform PCA analysis and rendering 3d images.)
PCA
- 使用matlab自带的函数princomp()计算主成分，当维数很高时通常会出现内存耗尽的错误，即使内存足够也非常耗时。快速pca能加快计算进程且减小内存占用，更容易计算较大尺寸的图像主成分。(Use MATLAB's own function princomp () to calculate the principal component. When the dimension is very high, the memory exhaustion error usually occurs,
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。