搜索资源列表
PCA_LDA.rar
- 《机器学习》课上的作业，PCA和LDA降维，尽管网上很多，但很少注释，另外细节上也没注意。这里有很详细的注释。另外还附上一个Naive贝叶斯分类器，大家可以作比较。附带的图像包是OLR人脸。ReducedDim为想要提取的特征数，不是百分比！," Machine learning" classes on the homework, PCA and LDA dimensionality reduction, even though a lot of online, but f
haarcascade_frontalface_alt2
- 前脸训练器，能很好的进行分类，适用于人脸检测-foreface train
PCA_ORL
- Matlab环境下，实现用PCA方法提取EigenFace,之后通过SVM方法对人脸图像进行分类识别。-Face recognition via PCA and SVM method
facedetection
- PCA、LDA人脸检测，压缩包里实现了PCA、LDA、最小距离分类器，人脸检测！-PCA, LDA face detection, compression bag to achieve the PCA, LDA, minimum distance classifier, face detection!
DetectionLibrary
- Chesnokov Yuriy写的人脸检测库，内容涵盖肤色检测、运动估计、SVM分类、PCA/LDA/ICA特征提取以及神经网络分类器等。-The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN
fdp-v51
- 神经网络人脸检测程序。采用Gabor变换提取特征，使用前馈网络分类识别。-Face Detection Program。
ar_dct_lda
- AR人脸库进行DCT变换，然后使用Fisher discriminant analysis 进行特征提取，使用cos分类器进行人脸分类。-AR Face Database for DCT transform, and then use the Fisher discriminant analysis feature extraction, using cos classifier for human face classification.
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
facedetection
- 对人脸照片进行图像预处理，特征值的提取，分类识别-The image of the face image preprocessing, feature extraction, classification and recognition
bayes
- 贝叶斯分类器的设计与实现，非常好的应用程序，能够在其上面实现人脸识别-Bayesian classifier design and implementation of a very good application, face recognition can be achieved in the above
adaboost9.26
- adaboost方法实现人脸分类 可直接运行的程序-face classification method implementation adaboost
kpca
- 运用KPCA方法在ORL人脸库上进行人脸识别，分类器为最近邻分类器。-KPCA method using ORL face database for face recognition, classification for the nearest neighbor classifier.
Adaboost-detection
- 基于ADABOOST的人脸检测程序，有分类器训练和测试-face detection based on adaboost
gaborsvm1
- 先用gabor 小波滤波器,做特征提取，然后用支持向量机（SVM）做分类，来实现人脸检测.需要用matlab 2010 或更新的版本才能运行-the code is used for face detection.Firstly it use gabor wavelet filter for feature extraction,Secondly it use support vector machine (SVM）for classification.matlab 2010 required.
PCA
- 采用数字图像主分量分析（PCA）算法实现人脸识别（身份认证或分类）-Principal components using digital image analysis (PCA) algorithm for face recognition (identity or category)
yunxing
- PCA+KNN人脸分类，对于给定样本，训练其中的一部分，在pca降维后，用knn分类-PCA+KNNFace classification
基于主分量的人脸重构
- 本实验是基于主成分分析法（PCA）在人脸识别中的应用，采用SVM分类器在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真。
(PCA+SVM)人脸识别
- 人脸识别，降维 加分类，主成分分析降维，支持向量机分类(Face recognition, principal component analysis reduced Vega classification, dimension reduction, support vector machine classification)
基于小波变换的klda人脸识别
- 基于小波变换的klda人脸识别，首先用小波变换对原始输入人脸图像进行预处理，再将基于核的线性判别分析应用于人脸识别中的最佳特征抽取，最后使用欧氏距离分类器实现人脸分类。通过对ORL标准人脸库中的人脸图像进行识别实验，本文提出的方法在人脸识别上取得了较高的识别率。