搜索资源列表
Basedonwaveletanalysisandprincipalcomponentanalysi
- 基于小波分析和主成分分析的人脸识别研究随着社会的发展，社会各个方面对快速有效的身份验证的要求日益迫切。由 于生物特征是人的内在属性，具有很强的自身稳定性和个体差异性，因此是身份 验证的理想依据。其中利用人脸特征又是最自然直接的手段，相比其他生物特征， 它具有直接、友好、方便的特点，易于为用户接受。从而，人脸识别吸引了越来 越多来自计算机视觉和信号处理等领域的关注，成为模式识别、图像处理等学科 的研究热点。-Based on wavelet analysis and princ
ICA
- 辛苦收集的关于独立成分分析的ppt文档，可帮助你快速了解主成分分析的主要内容及发展-Hard to collect on the independent component analysis of ppt documents, can help you quickly understand the principal component analysis and development of the main content
PCA
- 提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合-Is proposed based on Principal Component Analysis and Measure of blending fast clustering method. Principal component space by constructing a high-dimensional data onto two p
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，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，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
skthb
- 包括主成分分析、因子分析、贝叶斯分析，gmcalab 快速广义的形态分量分析，本科毕设要求参见标准测试模型。- Including principal component analysis, factor analysis, Bayesian analysis, gmcalab fast generalized form component analysis, Undergraduate complete set requirements refer to the standard test m