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

支持向量机（SVM）是一种基于超平面分类的新的学习方法，具有很强的泛化能力。研究了支持向量机的学习机理，以及实现支持向量机的序贯最小优化算法（SMO），并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解，获取不同尺度下的小波系数，然后对其进行主元分析，得到的主元分量作为支持向量机的特征量输入。实验结果表明，该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn

一个多维离散小波变换类代码。这个类可以分析的多维输入信号和处理后合成它。输入信号可以是一维信号（例如一个波），二维信号（如图像）或多维信号。 - a class of multidimensional discrete wavelet transform. This class can analyze the multidimensional input signal and synthesize it after process. The input signal can be

matlab小波分析程序，旋转机械二维全息谱计算的实用例程，可以广泛的应用于数据预测及数据分析。- matlab wavelet analysis program, Rotating Machinery dimensional hologram of practical spectrum calculation routines, Can be widely used in data analysis and forecast data.