基于Gabor+PCA+SVM的性别识别.图像预处理。从人脸数据库提取人脸。为提取特征做准备

基于Gabor+PCA+SVM的性别识别(1)提取的人脸图像，运用Gabor提取特征，PCA降维，最后运用SVM训练一个性别分类器

提取声音特征的文件，代码可参考：http://blog.csdn.net/u011599639

python3使用tensorflow构建CNN卷积神经网络识别性别，有兴趣可以下载，如果有不明白的，可以去我的博客搜素相关介绍：http://georgeyang.cn

本文档为技术公开课《以性别预测为例，谈谈数据挖掘中常见的分类算法》的讲演PPT。以实例的形式，用尽量通俗的方式，针对性别预测这个分类问题，来谈一下数据挖掘基本的处理流程，常见的算法和算法的选择等

该文档内容为各个名字和与之对应的性别，共有120000条数据，数据仅供参考，可用于机器学习，作性别预测。

学生信息包括：学号，姓名，年龄，性别，出生年月，地址，电话，E-mail等。设计“学生信息管理系统”，使之能提供以下功能： 1）系统以菜单方式工作； 2）学生信息录入功能； 3）学生信息浏览功能； 4）查询、排序功能：按学号查询、按姓名查询； 5）学生信息的删除与修改。

全国在第六次人口普查的数据，各身份分年龄、性别，格式为Excel。可用于数据分析。

本项目建立了一个小的语音库（8男8女），编写mfcc函数提取出语音的mfcc特征，然后利用svm进行训练和测试，实现性别识别，并创建gui进行功能展示，正确率为93.75%。本代码功能尚比较简单，有待继续完善。

构建CNN LayerBuilder builder = new LayerBuilder(); builder.addLayer(Layer.buildInputLayer(new Size(28, 28))); builder.addLayer(Layer.buildConvLayer(6, new Size(5, 5))); builder.addLayer(Layer.buildSampLayer(new Size(2, 2))); builder.addLayer(Layer.buildConvLayer(12, new Size(5, 5))); builder.addLayer(Layer.buildSampLayer(new Size(2, 2))); builder.addLayer(Layer.buildOutputLayer(10)); CNN cnn = new CNN(builder, 50); 运行MNIST数据集 String fileName = "data/train.format"; Dataset dataset = Dataset.load(fileName, ",", 784); cnn.train(dataset, 100); Dataset testset = Dataset.load("data/test.format", ",", -1); cnn.predict(testset, "data/test.predict"); 计算精度可以达到97.8%。