【图像】PCA
查志强
图像处理模式识别机器视觉
展开
-
LDA与PCA算法与应用
【原文:http://blog.csdn.net/whuheming/article/details/19809889】(一)LDA算法LDA的全称是Linear Discriminant Analysis(线性判别分析),是一种supervised learning。有些资料上也称为是Fisher’s Linear Discriminant,因为它被Ronald Fisher转载 2014-03-13 20:16:24 · 2195 阅读 · 0 评论 -
特征变换以及维度下降——Principal Component Analysis
【原文:http://blog.csdn.net/jojozhangju/article/details/19631535】1.Principal Component Analysis介绍在多元统计分析中,主成分分析(Principal components analysis,PCA)是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数,同时保持数据集中的对方差贡献转载 2014-03-13 21:01:44 · 2150 阅读 · 0 评论 -
第八章 采用PCA(主成分分析)或LDA(线性判别分析)的人脸识别(二)
【原文:http://blog.csdn.net/raby_gyl/article/details/12623539】注释:1、翻译书名:Mastering OpenCV with Practical Computer Vision Projects2、翻译章节:Chapter 8:Face Recogition using Eigenfaces or Fisherface转载 2014-03-13 21:20:43 · 3385 阅读 · 0 评论 -
特征变换以及维度下降——LDA VS PCA
【原文:http://blog.csdn.net/jojozhangju/article/details/19652453】 在之前的博文介绍了,LDA以及PCA的原理以及算法过程,下面说说他们的区别: The widely-used principal component analysis (PCA) and linear discriminant analysis (LD转载 2014-03-13 21:03:44 · 1341 阅读 · 0 评论 -
特征变换以及维度下降——前言
【原文:http://blog.csdn.net/jojozhangju/article/details/19570759】1.维度灾难我们最初的设想是增加特征的维度从不会降低识别器的性能,因为我们提供了足够多或者至少是相同的大量信息。因此,最坏的情况是性能保持不变。但是,实际上并非如此,性能将会出现下降,尽管我们提供给了系统足够的数据。这是因为能够呈现给模型的训练数据是有限的。理转载 2014-03-13 20:50:18 · 799 阅读 · 0 评论 -
LDA(线性判别分析或称Fisher线性判别),PCA(主成份分析)代码及表情识别中的应用
【原文:http://blog.csdn.net/raby_gyl/article/details/20362373】1、LDA线性判别分析也称FLD(Fisher线性判别)是一种有监督的学习方法(supervised learning)。LDA的基本思想是:找到一个最佳的判别矢量空间,使得投影到该空间的样本的类间离散度与类内离散度比达到最大。转载 2014-03-13 21:05:41 · 5348 阅读 · 1 评论 -
第八章 采用PCA(主成分分析)或LDA(线性判别分析)的人脸识别(一)
【原文:http://blog.csdn.net/raby_gyl/article/details/12611861】注释:1、翻译书名:Mastering OpenCV with Practical Computer Vision Projects2、翻译章节:Chapter 8:Face Recogition using Eigenfaces or Fisherface转载 2014-03-13 21:19:13 · 6536 阅读 · 1 评论