搜索资源列表
svm_face_recognition
- 一篇很不错的关于人脸表情识别的论文。论文提出了一种基于人脸局部特征的表情识别方法，先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机( SVM)设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机( SVM)表情分类器,确定表情图像的所属类别。-A very good facial expression recognition on paper. This paper proposes a feature based on local expression
multi-classSVM
- 总结SVM多分类的文章，从训练时间、分类时间、分类器的个数等等入手进行对比-Summary SVM multi-classification of articles, from the training time, classification time, the number of classifiers, and so begin to compare
DCT
- 提出了一种基于DCT提取人脸特征技术和支持向量机分类模型的人脸识别方法。利用离 散余弦变换可提取人脸可识别的大部分信息,而支持向量机作为分类器,在处理小样本、高维数等 方面具有独特的优势,且泛化能力很强,无需先验知识。从ORL 人脸库上的实验结果可以看出, DCT特征提取是很有效的,且SVM的分类性能优于最近邻分类器,同时提高了整个系统的运算速 度。-A face recognition method based on DCT for face feature extractio
SVM
- 深度学习中关于向量机支持向量机（即一种分类器）的相关内容-Depth study on vector machines support vector machine (that is, a classifier) related content
Partial-discharge-signals-of
- 提出了基于主动学习SVM的局部放电模式识别方法。将主动学习的思想引用到“一对一”多分类SVM分类器,选用基于后验概率的釆样函数对放电样本进行选择,挑选出对分类器最有价值的样本进行训练。 -Puts forward the partial discharge pattern recognition method based on active learning SVM. Will reference to the one to one the ideology of active stud