智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

PCA算法， 使用MATLAB GUI实现人脸识别 使用方法： 运行face.m主脚本 点击训练机器选择train文件夹 点击choose photo选择test文件夹下的一张图片 最后点击recognize即可进行识别 点击Accuracy可计算整个test文件夹下所有图识别准确率

基于PCA进行人脸识别的Matlab代码，可成功运行使用

基于PCA的人脸识别，matlab2021a测试，带人脸数据库，输出识别率曲线。

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

针对Fmask云检测算法难以区分陆地卫星遥远的影像上云和冰这一技术难题，该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化量化指数和归一化雪指数固定阈值进行自适应阈值改进，转换成影像进行主变换，然后对主成分分析变换后的组合结合进行改进的Fmask云检测，最后进行算法对比分析。以北极地区的TM影像进行实验，结果表明，对同时覆盖冰层和云层的Landsat重新影像，该文提出的算法能够提高云检测精度。

基于PCA算法人脸识别的MATLAB实现

基于pca的人脸识别算法实现.zip

基于PCA的人脸识别研究.rar

结合主元分析（PCA）与线性鉴别分析（LDA）的特点，利用PCA-LDA算法进行性别鉴别。通过PCA算法求得训练样本的特征子空间，并在此基础上计算出LDA算法的特征子空间。将PCA算法与LDA算法的特征子空间进行融合，获得PCA-LDA算法的融合特征空间。训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征。利用最近邻准则即可完成性别鉴别。实验中利用三种预处理方法（PCA+LDA、HG+PCA+LDA、RHG+PCA+LDA），得出各自的实验结果，并进行比较。实验结果表明，利用RHG+PCA+LDA方法预处理后，使用PCA-LDA算法进行性别鉴别可以得到理想的效果。