搜索资源列表
AComparativeStudyonFaceRecognitionUsingLDA-BasedAl
- 线性判别分析(LDA)是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人脸识别 会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于I,DA的人脸识 别 文章对几种基于LDA的人脸识别方法做了理论上的比较和实验数据的支持，这些方法包括Eigenfaces、Fish— erfaceS、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法。-Low—dimensional feature representat
EEG-based-identification-method
- ：基于脑电信号的身份识别是通过采集试验者的脑部信号来进行身份认证。对于同一个外部刺激或者主体在思考同一个 事件的时候，不同人的大脑所产生的认知脑电信号不同。选取与运动意识想象有关的电极后，分析不同个体在特定状况下脑 电的个体差异，采用以回归系数、能量谱密度、相同步、线性复杂度多种信号处理结合方法对运动想象脑电信号进行处理来 进行特征提取。组合多元特征向量并运用多层BP 神经网络对不同个体的脑电信号进行分类，并在不同的意识想象及不同数 据长度、不同的波段对试验者进行识别率验证分析。
Pattern-Recognition_MATLAB_1
- 线性分类器设计，1_k近邻法，剪辑法，ANN-BP神经网络法，聚类分析法，特征选择，特征提取等模式识别常用算法，内有matlab可运行实现，还有word文档的说明。对于学习，是做好的资料。-Commonly used algorithm for linear classifier design the 1_k nearest neighbor, clip, ANN-BP neural network method, cluster analysis, feature selection, fea
linear-extraction
- 运用滑动窗口的思想，对SAR图像中的建筑物线性特征进行提取-Using sliding window thinking on the SAR image building linear feature extraction
Igohd
- 图像梯度方向直方图描述子:，该方法使用梯度方向直方图（Histogram of Oriented Gradients,简称HOG） 特征来表达人体，提取人体的外形信息和运动信息，形成丰富的特征集，然后使 用支持向量机线性SVM 分类器对这些特征集进行训练。-Image gradient orientation histogram descr iptor
kda-1.0
- 基于KDA的人脸识别首先利用核方法将人脸图像数据集非线性映射到一个高维特征空间中，然后在高维特征空间中利用LDA进行线性特征提取-Face recognition based on first use of nuclear KDA method will face image data set nonlinear mapping to a high dimensional feature space, and then use LDA in high-dimensional feature sp
tezhen1
- 提取五种Haar特征，包括对角特征、线性特征和边缘特征，并进行全部样本特征值大小排序，画特征值变化曲线-Extraction five kinds of Haar features, including the corner features, linear features and edge features, and the total sample size of the sort characteristic value, characteristic value curve Video