搜索资源列表
pcaklm
- 图像处理领域最新的K-L变换后求主成分的程序。matlab文件。-image processing latest K-L transform PCA for the procedure. Matlab document.
K-L_face
- 基于K-L的人脸识别源代码和修改后的PCA进行人脸识别的Matlab源代码-based on K-L Face Recognition source code and modify the PCA for face recognition Matlab source code
PCA-MATLAB
- k-l和PCA算法在人脸识别中的具体实现(MATLAB)
fac
- 人脸识别的matlab代码，本征脸（ eigenface ）方法是子空间人脸识别方法的典型代表。该方法基于一种部分的K-L 变换，或者称为主成分分析（ PCA ）
TraditionalPCA
- 利用传统PCA方法进行人脸识别的算法，人脸库为Yale人脸库，主成分分析方法（PCA）是基于K-L变换的统计学方法，K-L变换是数据压缩领域里的一种最优正交变换。
PCA
- 主成分分析方法（PCA），PCA算法的理论依据是K-L变换，通过一定的性能目标来寻找线性变换W，实现对高维数据的降维。
人脸识别（基于特征脸）
- 本文是在人脸数据库的基础上做人脸特征提取和识别研究，主要内容如下： （1） 对人脸识别研究的内容、相关技术、主要实现方法及发展历程作了详细介绍。 （2） 介绍主成分分析法(PCA)、K-L变换，并利用特征脸方法实现了人脸识别。 （3）给出了基于matlab环境的编程及实验结果，并对结果进行分析。 关键词: 人脸识别，特征脸，K-L变换，主成分分析
PCA.rar
- 用主成分分析法提取人脸图像特征的程序，算法理论依据是K-L变换,Principal Component Analysis with face image feature extraction process
chengxu
- 这是基于PCA的人脸识别，用MATLAB编写，包含了K-L变换，奇异值分解等方法，且采用了最小距离分类器-This is based on the PCA face recognition, using MATLAB to prepare, including the KL transform, singular value decomposition and other methods, and the use of the minimum distance classifier
K-L
- K-L又叫PCA，是人脸识别最基础的一个算法-KL also known as PCA, are the most basic of a Face Recognition Algorithm
moja_PVA_normiran_KNN_koncan
- PCA with K-nn classifier(for pictures)
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
2D-PCA
- FACE RECOGNITION USING K-L TRANSFORM on ORL face database
KL
- matlab实现的K-L变换实现主成分分析-matlab implementation of KL transform PCA
PCA
- 主分量分析方法，用一组维数为数不多的特征尽可能精确地表示样本的特征，通常采用训练样本总体协方差矩阵的特征向量系作为展开基(即K-L坐标轴)-Principal component analysis, said the characteristics of the samples as accurately as possible using one of the few characteristics of a group of dimension, usually the overall tr
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
FaceRecognition
- 基于主成分分析的人脸识别，应用K-L变换作特征处理(Face recognition based PCA)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。