灰度投影代码matlab-LDA-Face-Recognition:LDA-人脸识别

上传者: 38607864 | 上传时间: 2022-05-23 13:48:13 | 文件大小: 12.07MB | 文件类型: ZIP
投影投影代码matlab LDA-人脸识别 程序 编程步骤: 图像的初始大小是一个大小为 128x128x3 的矩阵,对应于图像的 rgb 强度值。 对于所有计算,使用图像的灰度值,它将每个图像的维度减少到 128x128x1 矩阵。 由于在 128x128 矩阵上执行矩阵计算在平均配置的 PC 上很耗时,因此我调整了图像大小并为 40x40 矩阵、64x64 矩阵和 96x96 矩阵执行了计算。 然后将每个图像表示为向量形式,重塑原始图像矩阵执行此任务。 现在,每个图像都由一个 1600x1 的向量表示(对于 40x40 大小的图像)。 我们需要每个类的均值来计算类内散布矩阵。 一旦为该特定类计算了平均值,我们通过对集合中的每个 x 求和 Pr(C) (xm) (xm)' 来计算类内散布。 (x = 训练集中的每个图像,m = 图像的平均值) 为了计算类内散布的总数,我们将所有类的所有类内散布矩阵相加。 现在要计算类间散布,我们需要所有类的平均值和 300 个类的总平均值。 之间的散布矩阵由每个类别的求和 Pr(C)*(mm )*(mm )' 形成(m = 该类别的平均值,m` =

文件下载

资源详情

[{"title":"( 9 个子文件 12.07MB ) 灰度投影代码matlab-LDA-Face-Recognition:LDA-人脸识别","children":[{"title":"LDA-Face-Recognition-master","children":[{"title":"scatter_between_total.m <span style='color:#111;'> 255B </span>","children":null,"spread":false},{"title":"get_test_data.m <span style='color:#111;'> 527B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.46KB </span>","children":null,"spread":false},{"title":"projected.m <span style='color:#111;'> 181B </span>","children":null,"spread":false},{"title":"Face Database.zip <span style='color:#111;'> 11.89MB </span>","children":null,"spread":false},{"title":"read_data.m <span style='color:#111;'> 314B </span>","children":null,"spread":false},{"title":"main.m <span style='color:#111;'> 1.47KB </span>","children":null,"spread":false},{"title":"LDA PROJECT REPORT.pdf <span style='color:#111;'> 286.03KB </span>","children":null,"spread":false},{"title":"scatter_within.m <span style='color:#111;'> 248B </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明