搜索资源列表
PSO-SVMface
- 基于PSO训练SVM的人脸识别 利用支持向量机在学习能力方面表现的良好性能,结合核主元分析特征提取方法,将其应用于人脸识别中,该方法在实验中表现了良好的识别性能,为人脸识别领域提供了一条新的识别途径-PSO-based SVM for face recognition training using support vector machine learning ability in the performance of good performance, combined with KPCA
svm
- svm用于人脸识别，效果还行！matlab，可以学习！-face recognize based on svm，its nice to learn！
SVMFaceRecognition
- SVM支持向量机用于人脸识别领域的经典算法，非常有用-An algorithm of SVM used to face recognition
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
CODE
- 1.GeometricContext文件是完成图片中几何方向目标分类。 参考文献《Automatic Photo Pop-up》Hoiem 2005 2 GrabCut文件是完成图像中目标交互式分割 参考文献《“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts》 C. Rother 2004 3 HOG文件是自己编写的根据HOG特征检测行人的matlab代码 4 虹膜识别程序
SVM-face-recognition
- SVM face recognition 程序源代码 s1-s40 --------- 人脸数据库 face.m --------- 人脸识别主程序 load_database.m------载入数据函数 其他-------------LIBSVM工具箱函数 注意：LIBSVM需要手动安装，先安装编译器，再执行make.m-Source code S1-s40-----face database Face. M-----face recognition t
pacVsm
- pca + svm人脸识别代码 图片目录需要自己修改-the pca+ svm Face Recognition code picture directory need to modify
SVMface
- 这是svm人脸识别算法原理，值得参考下载！-This is the principle of svm face recognition algorithm, worth considering download!
chapter13
- matlab实现PCA和SVM人脸识别 主成分分析 和 支持向量机-the matlab realize PCA and SVM face recognition
face
- Matlab PCA+SVM人脸识别,通过PCA和SVM算法达到人脸识别的功能。-Matlab PCA+SVM，To identify people s face.
FaceRec
- 人脸识别 PCA和SVM 人脸识别算法，人脸库pgm文件-This fold is a PCA and SVM face recoginise
]ORL+PCA+SVM-11
- 编写了用户界面程序实现ocr人脸数据集的识别，使用了svm分类器(A user interface program is developed to realize the recognition of OCR face data set, and the SVM classifier is used)
基于主分量的人脸重构
- 本实验是基于主成分分析法（PCA）在人脸识别中的应用，采用SVM分类器在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真。
(PCA+SVM)人脸识别
- 人脸识别，降维 加分类，主成分分析降维，支持向量机分类(Face recognition, principal component analysis reduced Vega classification, dimension reduction, support vector machine classification)
LVQ
- 运用LVQ进行人脸识别，得到的误差结果较好，同时又BP，SVM与其进行比较(The use of LVQ for face recognition is better, and the comparison between BP and SVM is compared.)
PCA-SVM
- 利用主成份分析 SVM 实现 人脸识别(Using principal component analysis SVM to realize face recognition)
PCA+SVM
- 采用经典的ORL人脸数据集，利用PCA进行进行降维，然后用SVM进行数据集的分类和训练。上传文件内包含libSVM3.2安装包(The classical ORL face dataset is used for dimension reduction by PCA, and then SVM is used to classify and train the dataset.)
贝叶斯人脸识别
- Pattern-Recognition-and-Machine-Learning-master,项目包括使用贝叶斯分类器的字符识别，基于GMM的图像分割，使用PCA的人脸识别和具有径向基函数的多类SVM分类器(Pattern-Recognition-and-Machine-Learning-master)
PCA+SVM的人脸识别
- 使用pca和svm的方法对人脸进行识别和检测，最终达到人脸识别的功能(Face recognition and detection using PCA and SVM methods, and finally achieve the function of face recognition)
基于PCA和SVM的人脸识别系统
- 先通过图像处理提取人脸的各个特征，然后对人脸通过PCA进行降维，然后通过SVM进行人脸识别(Firstly, the features of human face are extracted by image processing, then the dimension of human face is reduced by PCA, and then the face is recognized by SVM)