搜索资源列表
FisherFace1
- 最经典的人脸识别中的fisherface代码，在此之前要对特征空间降维，通常采用PCA降维，此代码基于降维实现类间与类内比值的最大化。
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
PCAandLDA
- 用pca 和 lda 实现数据的降维,加快机器的特征提取的速度。-Pca and lda of data with dimension reduction, feature extraction to speed up the speed of the machine.
pca2
- PCA 主成分分析 特征抽取 特征降维 matlab实现-PCA principal component analysis feature extraction dimension reduction
Face-recognition-method
- 基于PCA 和BP 神经网络的人脸识别方法是针对 PCA 方法中存在的高维数问题和它对未训 练过的样本识别率低的缺点而提出的。该方法在预处理的基础上，利用粗糙集对 PCA 降维处理后的人脸特征进行约简，提取其中分类能力强的特征，实现在识别精度不变的情况下，有效的去除冗余信息；然后将约简后的属性输入到神经网络进行规则提取，利用神经网络非线性映射和并行处理的特点，增强对人脸图像识别的泛化能力。实验证明，使用该方法在识别率上有一定的提高-Face recognition method based
TE_PCA
- PCA:主元分析。进行降维，实现TE化工过程特征提取。-PCA: principal component analysis. Dimensionality reduction, feature extraction chemical process to achieve TE.
gonglv_pca
- MATLAB编程，提取LFP功率特征，采用PCA降维，实现不同颜色数据分类-MATLAB programming, LFP power feature extraction using PCA dimensionality reduction to achieve different color data classification
bh_tsne.tar
- 本代码实现TSNE降维，首先利用PCA进行主成分分析，选取何时的特征再降维-dimension reduction for TSNE，we first use Principal Component Analysis to dimension reduction.
wdjhyamm
- 用于特征降维，特征融合，相关分析等,在matlab R2009b调试通过，用于建立主成分分析模型，滤波求和方式实现宽带波束形成，结合PCA的尺度不变特征变换(SIFT)算法，各种kalman滤波器的设计，对信号进行频谱分析及滤波。- For feature reduction, feature fusion, correlation analysis, In matlab R2009b debugging through, Principal component analysis model f
svgwsekw
- 对于初学matlab的同学会有帮助，用于特征降维，特征融合，相关分析等,LDPC码的完整的编译码，实现了对10个数字音的识别程序借鉴了主成分分析算法（PCA），ICA（主分量分析）算法和程序，保证准确无误，是学习通信的好帮手。- Matlab for beginner students will help, For feature reduction, feature fusion, correlation analysis, Complete codec LDPC code, Realizat
tpwznini
- 鲁棒性好，性能优越，matlab编写的元胞自动机，滤波求和方式实现宽带波束形成，使用拉亚普诺夫指数的公式，用于特征降维，特征融合，相关分析等,是学习PCA特征提取的很好的学习资料，真的是一个好程序。- Robustness, superior performance, matlab prepared cellular automata, Filtering summation way broadband beamforming, Raya Punuo Fu index using the for
rhptetye
- 用于特征降维，特征融合，相关分析等,结合PCA的尺度不变特征变换(SIFT)算法，可以实现模式识别领域的数据的分类及回归，基于人工神经网络的常用数字信号调制，基于欧几里得距离的聚类分析，有循环检测，周期性检测。- For feature reduction, feature fusion, correlation analysis, Combined with PCA scale invariant feature transform (SIFT) algorithm, You can achi
qpapyfhz
- 用于特征降维，特征融合，相关分析等,用MATLAB实现的压缩传感，最终的权值矩阵就是滤波器的系数，包含特征值与特征向量的提取、训练样本以及最后的识别，阵列信号处理的高分辨率估计，借鉴了主成分分析算法（PCA）。- For feature reduction, feature fusion, correlation analysis, Using MATLAB compressed sensing, The final weight matrix is ??the filter coefficie
PCA-facerecognize
- 利用主成分分析（ＰＣＡ）实现对人脸特征的降维，然后利用最近邻实现人脸识别-Using the main component analysis (PCA) to realize the reduction of facial features, then use the nearest neighbor to realize face recognition
pca_fld
- 这是主成分分析pca和fld的代码，主要实现特征降维。(This is the principal component analysis of pca and fld code, the main feature reduction dimension.)
降维code
- 了解降维、特征筛选等基本原理 掌握PCA、SVD、LAD和NMF等算法实现及应用(Understand the basic principles of dimensionality reduction and feature selection Master the algorithm implementation and application of PCA, SVD, lad and NMF)
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime