使用PCA、NMF和HOG特征,分别配以KNN(k=1,3,5)和SVM两类分类器,实现对交通标志的分类(包括对其余类的拒识)(Matlab完整源码和数据) PCA_KNN : PCA + KNN PCA_SVM : PCA + SVM NMF_KNN : NMF + KNN NMF_SVM : NMF + SVM HOG_KNN : HOG + KNN HOG_SVM : HOG + SVM
2022-12-13 13:26:02 13.78MB PCA NMF KNN SVM
MATLAB实现PCA-GRU主成分降维结合门控循环单元多输入单输出回归预测(完整源码和数据) 数据为多输入回归数据,输入12个特征,输出1个变量。 运行环境MATLAB2020b及以上。
使用PCA-2D-PCA和2D-Square-PCA进行人脸识别 用于识别人脸的Python中PCA / 2D-PCA / 2D(Square)-PCA的实现: 单人图像 集团形象 识别视频中的人脸 ORL数据集的准确性 PCA(93.42%) 二维PCA(96.05%) 2D(平方)-PCA(97.36%) 要求 麻木 OpenCV 科学的 用法 在Face_Recognition类中,使用来自(pca,2d-pca,2d2-pca)的algo_type 在Face_Recognition类中,将reco_type用作 对于单张图片= 0 视频= 1 对于组图像= 2 该项目使用ORL数据集,您可以将数据集放置在images文件夹中,并在dataset.py文件中更改数据集的名称(可以使用提供的FaceExtractor通过提取面部来创建新的数据集) 运行Face_Rec
1
关于PCASIFT的源码,比较简单,适合初入门的新手。
2022-12-09 14:59:58 668KB PCA-SIFT
1
PCA-SIFT matlab,对学习局部区域算子的人会有所帮助。
2022-12-09 14:36:37 666KB PCA-SIFT matlab
1
前几天上数字图像处理的时候学习了PCA人脸识别,趁热打铁,做一些学习记录。PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。在人脸识别上面,用PCA的主要目的就是把原来维度很高的图像,提取图像的主要成分(用于识别的特征),去掉不重要的成分,使得可以用比较少的维度来表示图像,以方便进行图形识别。
2022-12-06 00:58:45 2.48MB MATLAB 人脸识别 pca
1
lda降维matlab代码降维pca-lda CS的PCA和LDA分析:551​​模式重建过程hw3 为输出运行patternHw3_main脚本 随代码一起附上报告,该报告分析作业中的给定数据 LDA代码来自Matlab工具箱,用于降维 该工具箱可以从以下位置获得 使用前请先参考
2022-12-05 17:09:09 2.79MB 系统开源
1
基于的人脸识别算法,首先应用变换,求出训练人脸空间的特征值,对特征值进行一定的取舍,然后构成一个新的低维正交基空间,我们将所有的人脸投影在这个低维空间中,然后计算与待测图像的人脸最近的人脸图像,最后完成人脸识别。人脸识别算法的关键步骤包括以下四步: 第一步:图像预处理。 第二步:训练人脸库,建立特征脸空间。 第三步:将预存人脸图像和待识别图像投影到特征脸空间上。
2022-12-04 21:29:51 1.03MB 人脸识别代码
1
MATLAB实现PCA-BiLSTM主成分降维结合双向长短期记忆神经网络多输入单输出回归预测(完整源码和数据) 数据为多输入回归数据,输入12个特征,输出1个变量。 运行环境MATLAB2018b及以上。
物流人工智能_机器学习
2022-11-29 14:32:45 3.65MB 人工智能 机器学习 物流