搜索资源列表
基于统计模型的人脸识别pca程序
- 统计模式的人脸识别程序，准确度高，MATLAB编写。-statistical model of face recognition procedures, high accuracy, MATLAB prepared.
facerec
- 一个修改后的PCA进行人脸识别的Matlab代码-a change of face recognition for the PCA Matlab code
pca
- 应用PCA（主成分分析）进行人脸识别的matlab程序，有较高成功率-PCA (Principal Component Analysis) face recognition Matlab procedures, which have a higher success rate
PCA
- 用PCA做的人脸识别,matlab实现其功能
pca-matlab
- pca算法的源代码。在做人工智能与模式识别的朋友必须的。用于降维。
pca
- 基于matlab的PCA人脸识别完成程序，包含特征值与特征向量的提取、训练样本以及最后的识别检验。
PCALDA
- PCA+LDA经典人脸识别算法，先用PCA降维，再用LCA降维-PCA+ LDA classical face recognition algorithms, first PCA dimension reduction, reuse LCA dimension reduction
NLCPCA
- nonlinear pca的具体实现代码-nonlinear pca concrete realization of the code
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!
kpca_toy
- Kernel PCA的经典示例程序，非常有帮助，也很易懂。-Kernel PCA classic example of the procedure
PCA
- 做毕业设计时导师给的PCA人脸识别程序已运行过。-Graduate instructors to do the design of the PCA to face recognition procedures have been run over.
PCA
- 用于模式识别中的PCA降维输入数据data和option。data是一个矩阵，每一行代表一个样本。option是选择降维到多少维。-[eigvector, eigvalue] = PCA(data, options) [eigvector, eigvalue] = PCA(data)
pca
- pca主成分分析，matlab程序，用于图像特征提取，降维等 有中文注释-Principal component analysis
pca-som
- matlab下采用som神经网络算法进行100个人脸识别，可扩展性强。-som neural network using matlab under 100 face recognition algorithm, scalability.
Image-Fusion-Using-PCA
- 基于PCA的遥感影像融合Matlab程序，在Matlab 2011b上完美运行！-Remote sensing image fusion based on PCA Matlab, it works perfect on Matlab 2011b!
PCA
- PCA的matlab实现，附件中有代码注释、测试数据和说明文件。-PCA matlab implementation annex in code comments, test data and documentation.
PCAHUIHUI
- 这是，PCA的完整程序，不是MATLAB调用PCA包的短代码。(the program of PCA,and it is entirely progaramed)
pca-人脸识别
- 运用PCA算法，可以通过摄像头实时获取人脸，进行人脸识别。(By using PCA algorithm, we can get face in real time by camera and face recognition.)
脑电数据PCA处理及SVM分类
- 脑电eeg数据预处理，用于脑电信号的MATLAB处理程序，输入处理数据，进行matlab运算，PCA处理及SVM分类。(PCA Processing and SVM Classification of EEG Data)