搜索资源列表
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction
Getproject_gsvd_mar
- LDA/GSVD算法matlab代码，可用来实现基于广义奇异值分解的线性鉴别分析方法-LDA / GSVD algorithm Matlab code, can be used to achieve based on the generalized singular value decomposition of linear discriminant analysis method
NeonatalFacialExpressionFeatureExtraction
- 利用快速傅立叶变换实现了人脸表情图像的Gabor变换的快速算法 针对不同尺度的Gabor小波特征采用不同的下采样因子来对Gabor变换特征进行第一次降维 利用一种改进的核鉴别分析方法对Gabor特征进行二次特征提取-using fast Fourier transform of Facial Expression Gabor transform the image of the fast algorithm for differ
svm
- 支持向量机(SVM)、线形鉴别分析(LDA)、主分量分析(PCA)和人工神经元网络(ANN)源代码
KDD
- 核鉴别分析，MATLAB编写，可用于人脸识别等模式识别问题，欢迎使用。
Pronynalysis
- Prony分析是获取系统振荡模式特征的一种非常有效的方法，它可以通过给定输入信号下的响应直接估计系统的振荡频率、衰减、幅值和初相位。本文基于Prony算法提出一种用振荡模式能量级鉴别电力系统大干扰下主导低频振荡模式的方法。-Prony analysis acquisition system oscillation mode features a very effective way, It can set the input signa
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction
NeonatalFacialExpressionFeatureExtraction
- 利用快速傅立叶变换实现了人脸表情图像的Gabor变换的快速算法 针对不同尺度的Gabor小波特征采用不同的下采样因子来对Gabor变换特征进行第一次降维 利用一种改进的核鉴别分析方法对Gabor特征进行二次特征提取-using fast Fourier transform of Facial Expression Gabor transform the image of the fast algorithm for differ
svm
- 支持向量机(SVM)、线形鉴别分析(LDA)、主分量分析(PCA)和人工神经元网络(ANN)源代码-Support Vector Machine (SVM), linear discriminant analysis (LDA), principal component analysis (PCA) and artificial neural network (ANN) source code
shili08
- 本模块主要实现对系统用户及其权限进行管理，维护系统数据的安全性。系统的用户权限分为三种，管理员用户、专家及分析人员用户、一般用户。管理员用户具有最高权限，可以对系统进行设置，进行用户添加/删除/修改等，具有专家用户与分析人员拥有的权限；专家及分析人员用户，具有进行油指纹数据管理、油指纹数据特征指标计算、油指纹数据分析、油指纹鉴别、查询检索、鉴定报告输出等功能；一般用户则只具有数据、鉴定结果查询检索、鉴定报告输出功能，不可以进行分析。本模
FLDA
- 使用Fisher线性鉴别分析（FLDA）方法在ORL人脸数据库上进行人脸识别试验。ORL标准人脸库共包含40人，每人10幅共400幅BMP图像。-The use of Fisher linear discriminant analysis (FLDA) at Ways on ORL face database for face recognition test. Standard ORL face database contains a
KFDA
- 此实验使用核Fisher鉴别分析（KFDA）方法在ORL人脸数据库上进行人脸识别试验。ORL标准人脸库共包含40人，每人10幅共400幅BMP图像。-This experiment the use of nuclear Fisher discriminant analysis (KFDA) method on ORL face database for face recognition test. Standard ORL face d
ar_dcv
- 在ar人脸库上使用鉴别公共向量方法（discriminant common vector）方法实现人脸图像鉴别分析-In the ar face database using the identification of public-vector method (discriminant common vector) method of achieving facial image discriminant analysis
FISHER
- FISHER线性鉴别分析的理论研究及其应用.PDF-FISHER linear discriminant analysis theory and its applications. PDF
ANewMethodofFusionofICAandLDAforFaceRecognition.ra
- 特征提取是模式识别研究领域的一个热点.本文提出了一种基于独立成分分析和线性鉴别分析的特征提取方法.谊方法中引入了零空间的概念,指出了前人算法中的不足之,并且给出了一个完整的独立成分分析和线性鉴别分析的组合算法.在ORL和Yale人脸数据库上的实验表明了该方法的有效性.-Feature extraction is a hot field of pattern recognition research. In this paper, whi
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
LDA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的fisher鉴别分析（FLDA）Matlab代码实现。-For feature reduction, feature fusion, correlation analysis, multivariate data analysis of the fisher discriminant analysis (FLDA) Matlab code implementation.
sdad
- 主要实现稀疏线性鉴别分析，整个代码可以直接夹在到matlab中直接运行(this codes are suitable for Sparse Discriminant Analysis,thoese codes are wrote by Matlab,you can load thoese code in matlab,all code can work well.)
7.MvDA_Code
- 多视图鉴别分析的matlab代码，该代码对应的论文为：2015年PAMI上发表的《Multi-view Discriminant Analysis》(This is the matlab code of the Multi-view Discriminant Analysis (MvDA) algorithm)
核Fisher鉴别分析方法（KFDA）
- 基于核函数的Fisher分类判别，用于比同种类的分类。(Fisher classification based on kernel function)