PCA+SVM人脸识别

最新推荐文章于 2024-06-24 08:07:01 发布

techping

最新推荐文章于 2024-06-24 08:07:01 发布

阅读量4.3k

点赞数 4

分类专栏：算法机器学习文章标签： PCA SVM 人脸识别计算机视觉机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/techping/article/details/80990552

版权

该博客介绍了如何结合PCA和SVM进行人脸识别。首先，详细解释了PCA的主要步骤和作用，通过PCA对人脸图片进行降维。接着，阐述了SVM的分类原理和常用的核函数。然后，概述了人脸识别的完整流程，包括数据预处理、PCA降维、SVM模型训练和测试。最后，提供了代码实现链接和作者的在线资源。

摘要由CSDN通过智能技术生成

PCA+SVM人脸识别

PCA介绍

主成分分析(Principal Component Analysis, 简称PCA)是常用的一种降维方法.

算法步骤:

输入: 样本集 $D=\{x_1, x_2, ..., x_m\}$ , 低维空间维数 $d'$
过程:
1. 对所有样本进行中心化: $x_i \leftarrow x_i - \frac{1}{m} \sum_{i=1}^{m} x_i$ ;
2. 计算样本的协方差矩阵: $XX^T$ (有时用散布矩阵, 二者只相差一个倍数);
3. 对协方差矩阵 $XX^T$ 做特征值分解;
4. 取最大的

最低0.47元/天解锁文章

关注

4
点赞
踩
42

收藏

觉得还不错? 一键收藏
1
评论
PCA+SVM人脸识别

PCA+SVM人脸识别PCA介绍主成分分析(Principal Component Analysis, 简称PCA)是常用的一种降维方法.算法步骤:输入: 样本集 D={x1,x2,...,xm}D={x1,x2,...,xm}D=\{x_1, x_2, ..., x_m\}, 低维空间维数 d′d′d'过程: 对所有样本进行中心化: xi←xi−1m∑mi=1xix...
复制链接

扫一扫

专栏目录

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。