当前电子鼻对有毒气体的识别存在数据量少,训练生成的神经网络映射能力差等问题。本文以甲醛和甲醇为目标气体,采用自制的气敏传感器对甲醛和甲醇进行数据采集,并对采集到的数据进行滤波和平滑处理,以提取不同传感器对目标气体的响应值。依据准则函数生成伪随机数,并建立伪随机特征值矩阵以扩大有效数据量。利用主成分分析 (PCA)法对特征值进行降维处理,选择贡献率大的主元成分作为反向传播(BP)神经网络的输入向量,构造PCA-BP神经网络。分别用实测特征值矩阵和伪随机特征值矩阵训练PCA-BP神经网络,通过对比分析两个网络得出,实测特征值矩阵的识别率为92%,而伪随机特征值矩阵的识别率为97%。结果表明,伪随机特征值矩阵能有效提高PCA-BP神经网络的映射能力,提高识别正确率。

这是基于PCA和SVM的人脸识别系统的MATLAB代码,希望对大家有所帮助.

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别

基于PCA的特征脸提取和人脸压缩

本代码能实现人脸识别 并且具有很高的识别率

基于PCA的人脸识别Matlab源码，初次接触人脸识别及pca的好文档

基于PCA算法的Matlab人脸识别程序，有中文详细注释

matlab实现的基于pca的简单人脸识别，在训练样本上使用pca建立特征空间，计算测试样本在特征空间投影点与训练样本投影点的距离来匹配。

基于PCA的人脸识别系统实现，matlab源代码，详细注释。带试验图片，训练图片和测试图片

基于PCA的人脸识别matlab程序，内有ORL人脸库，这是改进版，算法效率有提高。