基于Fisher Vector的人脸检测 ，内用vlfeat库，附详细的代码

【模式识别】实验一：Fisher线性判别

文章目录一、线性分类的数学基础与应用1、Fisher基本介绍2、Fisher判别思想3、举例二、Fisher判别的推导（python）1、代码2、代码结果三、Fisher分类器1、定义2、scikit-learn中LDA的函数的代码测试3、监督降维技术四、参考文献 一、线性分类的数学基础与应用 1、Fisher基本介绍 Fisher判别法是一种投影方法，把高维空间的点向低维空间投影。在原来的坐标系下，可能很难把样品分开，而投影后可能区别明显。一般说，可以先投影到一维空间(直线)上，如果效果不理想，在投影到另一条直线上(从而构成二维空间)，依此类推，每个投影可以建立一个判别函数。 2、Fishe

matlab 实现Fisher分类器设计，已经包含训练集和测试集

matlab 编写的bayes、fisher分类器，适合初学者，程序说明也比较清楚

Fisher线性判别在理解Fisher线性分类的参考代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义。1、Fisher线性判别（1）、W的确定（2）、阈值的确定（3）、Fisher线性判别的决策规则（4）、“群内离散度”与“群间离散度”2、Python代码 在理解Fisher线性分类的参考代码基础上（matlab代码），改用python代码完成Fisher判别的推导。重点理解“群内离散度”（样本类内离散矩阵）、“群间离散度”（总类内离散矩阵）的概念和几何意义。 1、Fis

模式识别里的经典，最简单的模型。 适合新手。 这份报告 也是通俗易懂~~也是曾经入门的学生写的~

von Mises-Fisher 分布的混合 (movMF) movMF 是 D 维球面数据的分布模型。 movMF 类似于高斯分布，但在球面空间中。 此代码基于A. Banerjee 的对一文。 安装 获取并编译（你需要提升）： git clone https://github.com/mrouvier/movMF cd movMF make 生成随机数据： python data/generate_data.py > data/vec 或者 make generate_date 程序使用 训练统计混合模型： ./bin/movmf_train --nb_mixture 128 --nb_iteration_em 10 --train data/vec --save mixture.txt 其中nb_mixture是混合数， nb_iteration_em是期望最大化（

是不是还在为模式识别的课设而头疼，这篇文章将会解决课设中的一部分（费歇尔多分类对图像进行分类），只需要稍加改动就可以进行机器学习

相关文章：http://blog.csdn.net/lisy14/article/details/68062091