搜索资源列表
初学者用到的最近邻算法
- 模式识别初学者最实用的最按住算法
KL
- 基于KL变换的特征提取的方法。 选取数据库中的部分样本（每个人的前5张图片）作为训练样本，其余作为未知的测试样本。从训练样本中得到KL变换矩阵，然后对训练样本和测试样本都进行变换，用变换后的数据作最近邻识别，距离可以为对应灰度值之差的平方和，统计识别率。-KL transform based feature extraction method. Select the database part of the sample (each person' s top 5 pictures)
2D-LDA
- 2维线性判别进行人脸识别的程序，很不错！采用ORL人脸库，取每人的1、3、5、7、9五幅图像作为训练图像，其余作为测试图像，进行二维线性判别。计算出特征向量矩阵，降序排列后，取前d（d=2,4,6，……，20）个特征向量组成的矩阵作为变换矩阵，对训练集合测试集进行特征重建，最后采用最近邻分类器。附有实验的结果。-code for face recognition based 2D-LDA，the performance is nice！
Subpattern-based_principal___component_analysis.zi
- 子模式主成分分析首先对原始图像分块，然后对相同位置的子图像分别建立子图像集，在每一个子图像集内使用PCA方法提取特征，建立子空间。对待识别图像，经相同分块后，分别将子图像向对应的子空间投影，提取特征。最后根据最近邻原则进行分类。-Sub-mode principal component analysis first of the original image block, and then the same sub-image, respectively, the location of the
Researchontheshapefeatureextractionandrecognition.
- 主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而 可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别 层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
LDA2D-2
- 人脸识别中2DLDA算法的matlab程序，使用最近邻分类器进行识别。-Face Recognition 2DLDA algorithm matlab procedures, the use of nearest neighbor classifier to identify.
PCA2D
- 人脸识别中2DPCA算法的matlab程序，使用最近邻分类器进行识别。-Face Recognition 2DPCA algorithm matlab procedures, the use of nearest neighbor classifier to identify.
PCA
- 人脸识别中PCA算法的matlab程序，使用最近邻分类器进行识别。-PCA Face Recognition Algorithm matlab procedures, the use of nearest neighbor classifier to identify.
nearest
- 模式识别分类方法中的最近邻准则方法。内有详细说明文档。-Pattern recognition classification criteria of the nearest neighbor method. There are detailed descr iption of the document.
pcafacerecognition
- 基于主成分分析(PCA)的人脸识别系统 利用2D PCA算法求对训练集向量进行降维的降维矩阵，最近邻法测试对测试集识别的精度-pca face recognition
Nearestneighbor
- 模式识别问题最近邻算法的matlab实现，可以模拟实现最近邻法的核心，是一个不错的代码- Nearest neighbor algorithm for pattern recognition problem of matlab to achieve, can simulate the nearest neighbor method to achieve the core of the code is a good
FaceRecognitionBasedonWaveletTransform
- 基于小波变换的人脸识别代码本代码对图像进行小波分解，然后又用最近邻方法实现了图像的识别。-Face Recognition Based on Wavelet Transform code-wavelet based face recognition, the code of the image wavelet decomposition, and then with the nearest neighbor method to achieve the image recognition!
nearest
- 模式识别问题最近邻算法的matlab实现，可以模拟实现最近邻法的核心，是一个不错的代码,nearest neighbor-Nearest-neighbor algorithm for pattern recognition problem of matlab implementation, can be simulated to achieve the core of the nearest neighbor method is a good code, nearest neighbor
ClassifyHomework
- 模式识别,用平均样本法、平均距离法、最近邻法、K近邻法进行分类。-Pattern recognition, with an average of the sample method, the average distance method, nearest neighbor, K-NN 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
jiyutezhengronghehemohuhepanbian
- 提出了基于特征融合和模糊核判别分析(FKDA)的面部表情识别方法。首先，从每幅人脸图像中手工定 位34个基准点，作为面部表情图像的几何特征，同时采用Gabor小波变换方法对每幅表情图像进行变换，并提取基 准点处的Gabor小波系数值作为表情图像的Gabor特征；其次，利用典型相关分析技术对几何特征和Gabor特征进 行特征融合，作为表情识别的输人特征；然后，利用模糊核判别分析方法进一步提取表情的鉴别特征；最后，采用最 近邻分类器完成表情的分类识别。通过在JAFFE国际表情数据库和
shibie
- 基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL
zuijinlinfenlei
- 我们使用MATLAB软件实现了人脸识别并统计其识别率。本实验采用PCA（主成分分析）方法，利用K-L变换和奇异值分解原理实现。并分别采用最近邻法分类器得出它们的成功率。-We use face recognition software and the MATLAB Statistics recognition rate. The present study, PCA (principal component analysis) method, using KL transform and sin
KNN人脸识别
- 使用KNN算法实现的人脸识别程序，KNN是机器学习里的K最近邻算法。(face recognition of KNN using python)
LDA人脸识别程序
- 在MATLAB2014b版本，进行人脸识别，包含PCA降维、LDA线性判别、KNN最近邻算法等技术(In MATLAB2014b version, face recognition is carried out, including PCA dimension reduction, LDA linear discriminant analysis, KNN nearest neighbor algorithm and so on.)