搜索资源列表
LDA
- 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直接用于人耳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LDA的人耳识别。文章对几种基于LDA的人耳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Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法
fenlei
- 模式识别，一个很好的数字，图形程序，包括了很多种算法，样本设计，摸板匹配，BYS分类器，线性分类器，非线性分类器，神经网络分类
LDA
- 线性判别分析法（LDA），LDA以提高样本在子空间中的可分类为目标。寻找一组基向量，在这些基向量张成的子空间中，不同类别的训练样本能有最小的类内离散度，最大的类间离散度。
Classification
- 模式分类。包括:训练样本设计、模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类法-Pattern classification. Include: training sample design, template matching classifier, Bayes classifier, a linear function of classification, non-linear classification, neural network classificat
AComparativeStudyonFaceRecognitionUsingLDA-BasedAl
- 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
Untitled
- 对采集样本进行模式识别与线性分类器的设计-To collect samples for pattern recognition and a linear classifier design
fisher
- Fisher线性判别是线性分类算法中最基本的一种算法,其基本思想是将d维空间中的样本投影到一条最易于分类的投影线上,再进行分类-Linear discriminant analysis is one of the most basic algorithm for linear classification algorithm, the basic idea is to divide the sample projection D dimensional space into one of the
Scene-Classification
- 提供了三类场景“bedroom”、“CALsuburb”、“industrial”的样本特征集以及原始图像，分别用线性分类器、树状分类器、SVM分类器以及AdaBoost分类器对其进行区分。其中AdaBoost分类器有部分内容调用了Vezhnevets Alexander编写的源码-Provides three types of scenes " bedroom" , " CALsuburb" , " industrial" sample fea
orl
- 通过运用主成分分析法，线性分类器，神经网络来对测试样本与训练样本加以匹配-To be matched to the test sample and the training samples by using principal component analysis, linear classifiers, neural network
svm
- 对两类训练样本集进行线性分类，并标记出支持向量和最优分类面-Linear classification of two kinds of training sample set, and mark out the support vectors and the optimal classification line
svm_gesture_recognition
- 基于opencv的手势识别 1、hog : hog特征提取 2、hogTainer ： 样本训练，利用了SVM方式 3、gestureRecognition ： 手势识别，利用了训练得出的线性分类器进行识别分类 训练样本在hog文件夹中，对应gesture_a到gesture_e ，五种手势-Gesture recognition 1, hog: hog feature extraction 2, hogTainer: sample training, t
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相