利用SVM+PCA降维分类，程序中采用的数据集是ORL人脸库，该人脸库共有400副人脸图像，40人，每人10幅，大小为112*92像素，同一个人的表情，姿势有少许变化。
程序的流程主要分为三部分，数据的预处理(PCA降维和规格化)，数据的训练阶段，数据的识别阶段
2021-11-09 21:18:06
2KB
1
svd算法matlab代码主成分分析（PCA）实验
主成分分析（PCA）非常有用，并且是统计和机器学习中常用的算法之一。
该工具被广泛用于各种应用中，例如用于可视化和分析的降维，压缩，离群值检测和图像处理。
PCA是我最喜欢用于各种任务的工具之一，通常用于可视化目的。
但是，我意识到，一直以来，我一直只是将其用作黑匣子，对它的概念只有很浅的了解。
因此，这激发了我使用PCA的自定义实现创建此存储库的动力。
请注意，此存储库无意描述有关PCA的完整详细信息。
仅显示一些python代码以帮助更好地了解其计算方式。
为了获得更好，更全面的资料，我发现“主成分分析教程”
[1]非常有用。
关于PCA
简而言之，该方法对角化输入数据的协方差矩阵。
对角矩阵的属性是所有值都是零，除了对角线上的值必须为非零。
该方法假定输入数据的变量之间存在线性关系，并且删除了它们之间的关系。
有几种计算PCA的方法：
通过协方差矩阵-当特征数比记录数下这是非常有用的。
而且更容易解释这种方法。
通过标产品矩阵-当特征数比记录数较高，这是有用的。
通过奇异值分解（SVD）
-这种方法在实践中使用最多（Scikit
2021-11-07 22:31:44
103KB
1
【图像去噪】基于小波变换、contourlet变换、contourlet-小波变换+PCA算法实现SAR图像去噪matlab代码.zip
2021-11-04 20:14:05
435KB
1
本课程为基于MATLAB的人脸定位识别系统。亮点：GUI可视化界面+库外人脸识别+语音播报+人脸定位【非直接人头的对比】+可实际人脸做测试。流程：人脸样本采集——人脸训练——人脸定位分割——人脸识别——信息输出，同时显示识别时间和语音播报识别结果。跟传统利用ORL或者YALE人脸库的人脸识别对比，独具一格，别出心裁，可利用学员自己身边人脸图像测试，增加真实性，同时配12000字体的技术文章。该学习，你可以得到：源码一套+GUI界面+1.2万字体lun文一篇+算法人工讲解。秒K无售后+额外乱收费+无讲解的下载搬运工中介二道贩子！
2021-11-03 15:44:43
3.6MB
1
针对人体行为识别问题，提出一种基于径向基函数（BP）神经网络的人体行为分类算法。首先，利用奇异值分解（SVD）算法提取视频每一帧的奇异值，将每一帧的奇异值按照行拼接起来即为一个视频的样本，样本按照行排成样本矩阵；然后，利用主成分分析（PCA）对得到的矩阵进行去相关并且降低维数，降低维数的矩阵再进行线性鉴别分析（LDA），使样本变得线性可分；最后，利用BP神经网络对样本进行分类；实验结果表明，与采用最近邻分类和K近邻分类（kNN）相比，所提算法具有更高的识别率。
2021-11-03 11:21:20
765KB
1
生物识别系统是一种重要的基于模式的识别系统，广泛应用于各个部门，用于使用各种生物识别特征对人类进行身份验证。 使用任何仅具有单一生物特征的生物特征认证系统可能不够准确，无法以最大的灵敏度和生产力提供所需的结果。 几种生物特征，例如指纹、手掌静脉识别、手掌、手几何、虹膜识别、用于验证用户身份的DNA。 从各种生物特征来看，指节纹（FKP）和虹膜具有细腻、丰富的质感。 FKP和iris也有稳定的特性，很少被中间人破解。 因此，所提出的系统在分析各种应用中的身份验证时使用 FKP 和 Iris 作为生物特征。 Finger Knuckle 印花和 Iris 中出现的纹理图案在将两种图案组合在一起时将变得非常独特。 FKP 和 Iris 图像使用 Gabor 滤波器进行预处理，并使用感兴趣区域的边缘方法分割精确区域。 在主成分分析的帮助下，从提取的区域中提取不同的特征。 两个提取的特征都在分数级别融合。 最后在神经模糊神经网络（NFNN）的帮助下进行匹配。 使用从 PolyU FKP 数据库和 CASIA Iris 数据库中提取的双重属性来评估性能。 建议设计的有用性是根据错误接受率 (FAR)、错误拒绝率 (FRR)、等错误率 (EER) 和准确性来衡量的。
2021-11-02 19:00:58
673KB
1