搜索资源列表
图像识别中常用的降维的PCA方法
- pca
Desktop
- 人脸识别技术是计算机模式识别领域非常活跃的研究课题，在法律、商业等领域有 着广泛的应用前景。自动人脸识别系统一般由两个模块组成：定位与检测模块，特征提 取与识别模块。本文对两个子模块进行了详细讨论，通过实验仿真了一个基于静态图像 的人脸识别系统。为提高系统的识别率，本文对定位检测模块和特征提取模块进行了深 入研究。 针对复杂多变人脸检测和定位问题，实现了一种基于对称特征的人脸定位方法。该 算法首先基于肽色特征提取出人脸区域，根据眼睛的颜色和梯度特征在肤色区找到眼睛 可
SPSS
- 主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异，将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少，能解释大部分资料中的变异的几个新变量，即所谓主成分，并用以解释资料的综合性指标。由此可见，主成分分析实际上是一种降维方法。-The main purpose of PCA is to use fewer variables to explain most of the variation of the original data will
neighborhood-selection-for-isomap
- 2011年模式识别快讯上的文章，讲述了一种ISOMAP降维中选择邻域的方法。-News on Pattern Recognition 2011, an article about a ISOMAP dimension reduction method of selecting the neighborhood.
liuxinggaishu
- :流形学习是一种新的非监督学习方法,近年来引起越来越多机器学习和认知科学工作者的重视. 为了加深 对流形学习的认识和理解,该文由流形学习的拓扑学概念入手,追溯它的发展过程. 在明确流形学习的不同表示方 法后,针对几种主要的流形算法,分析它们各自的优势和不足,然后分别引用Isomap 和LL E 的应用示例. 结果表明, 流形学习较之于传统的线性降维方法,能够有效地发现非线性高维数据的本质维数,利于进行维数约简和数据分 析. 最后对流形学习未来的研究方向做出展望,以期进一步拓展流形
reducing--length-of-vector
- pdf格式 介绍关于高位数据如何降维的方法-reducing length of vector
6
- 研究含有测量时滞的线性系统的故障诊断和自修复控制问题。提出了一种测量时滞系统基于降维状态观测器的故障诊断方法。-The problems of fault diagnosis and self-restore control were studied for linear systems with delayed measurements. A reduced-order observer-based fault diagnosis approach was proposed for syste
8
- 通过构造增广系统的降维状态观测器，设计了在线诊断故障的故障诊断器。利用故障诊断的结果，设计了故障的动态自修复控制律使系统在故障情况下能够正常运行。最后，通过一个仿真算例来验证本文所提出的方法的可行性和有效性。- A fault diagnose was designed which could on-line diagnose faults by constructing a reduced-order state observer of the augmented system. By usi
9
- 研究含有测量时滞的线性系统的故障诊断和自修复控制问题。提出了一种测量时滞系统基于降维状态观测器的故障诊断方法。通过构造含有故障状态的增广系统并进行增广系统测量时 滞的无时滞转换，将测量时滞系统的故障诊断问题转化为无时滞增广系统的状态观测问题。-The problems of fault diagnosis and self-restore control were studied for linear systems with delayed measurements. A reduced-
10
- 通过构造增广系统的降维状态观测器，设计了在线诊断故障的故障诊断器。利用故障诊断的结果，设计了故障的动态自修复控制律使系统在故障情况下能够正常运行。最后，通过一个仿真算例来验证本文所提出的方法的可行性和有效性。-A fault diagnose was designed which could on-line diagnose faults by constructing a reduced-order state observer of the augmented system. By usin
Nonlinear-Dimensionality-Reduction
- 介绍一种非线性降维方法的文章，是篇算法介绍-A Global Geometric Framework for Nonlinear Dimensionality Reduction
Principal-component-analysis-code
- 在高光谱图像处理和分析中,主成分分析方法是使用最广泛的线性降维 方法之一,它概念简单,实现算法高效"在信号处理中,所谓的Karl血nen.b姆ve 变换实际上就是主成分分析 -In hyperspectral image processing and analysis, principal component analysis is the most widely used linear dimensionality reduction methods, it is conceptu
114
- 基于经验模态分解和独立成分分析去噪的特点, 提出了一种联合独立成分分析和经验模态分解的混沌信号降噪方法. 利用经验模态分解对混沌信号进行分解, 根据平移不变经验模态分解的思想构造多维输入向量, 通过所构造的多维输入向量和独立成分分析对混沌信号的各层内蕴模态函数进行自适应去噪处理-Based on empirical mode decomposition and independent component analysis denoising characteristics, we propose
PCA
- 针对稀疏表示识别方法需要大量样本训练过完备字典且特征冗余度较高的问题，提出了结合过完备字典学习与PCA降维的小样本语音情感识别算法.该方法首先用PCA降维方法将特征降维，再将处理后的特征用于过完备字典训练与稀疏表示识别方法，从而给出了语音情感特征的稀疏表示方法，并确定了新算法的具体步骤.为验证其有效性，在同等特征维数下，将方法与BP, SVM进行比较，并对比、分析语音情感特征稀疏化前后对语音情感识别率、时间效率以及空间效率的影响.试验结果表明，所提出方法的识别率比SVM与BP高 与采用稀疏化前的
facerecognization
- 使用matlab进行仿真，还有pca降维，kl变换方法进行人脸识别的参考论文-Using MATLAB simulation, and the PCA dimension reduction, the KL transform method for face recognition reference papers
EMD
- 要求同学在学习EMD基本理论的基础上，对一维信号进行各种降噪方法的研究，实现信号去噪。 -EMD based learning requires students in the basic theory of one-dimensional signal noise study various methods to achieve signal de-noising.
renlianshibie
- 利用PCA进行降维，并利用adaboost进行分类的人脸识别方法描述-Use PCA dimensionality reduction , face recognition method using adaboost classification descr iption
LDA
- LDA线性判别分析算法，用于图像处理中的数据降维方法-LDA linear discriminant analysis algorithm, dimensionality reduction method used for image processing of data
Video-classification-
- 本文档包含了对视频分类的方法论文，先提取视频中音频信息和图像信息，然后进行拼接并使用PCA进行降维处理，最后使用高斯联合模型进行学习和分类-This document contains papers on the video classification method, first extract the video audio information and image information, and then stitching using PCA dimension reduction,
GPS-receiver
- 在GPS 接收机空时抗干扰的研究过程中, 计算量大是目前主要的瓶颈, 因此研究降维简化处理算法成 为空时处理最关键的问题之一。在已给空时二维自适应滤波模型的基础上, 通过对降维处理思想的分析, 提出了一 种基于多级维纳滤波(MWF) 模型的改进方法-Study on Dimension-reduced Processing Methods for Space-time Interference Suppression in GPS Receiver