opencv基于PCA降维算法的人脸识别
opencv基于PCA降维算法的人脸识别（att_faces） 一、数据提取与处理 二、PCA降低维度 PCA变换原理。在人脸识别过程中，一般把图片看成是向量进行处理，高等数学中我们接触的一般都是二维或三维向量，向量的维数是根据组成向量的变量 ...
原文：PCA算法学习_1(OpenCV中PCA实现人脸降维)
前言： PCA是大家经常用来减少数据集的维数，同时保留数据集中对方差贡献最大的特征来达到简化数据集的目的。本文通过使用PCA来提取人脸中的特征脸这个例子，来熟悉下在oepncv中怎样使用PCA这个类。 开发环境：ubuntu . Qt . . QtCreator . . opencv . . PCA数学理论： 关于PCA的理论，资料很多，公式也一大把，本人功底有限，理论方面这里就不列出了。下面主 ...
2012-09-06 11:13 7 54779 推荐指数：
相关推荐
PCA算法学习_2(PCA理论的matlab实现)
前言 在前面的博文PCA算法学习_1(OpenCV中PCA实现人脸降维)中已经初步介绍了PCA算法的大概流程及在人脸降维上面的应用。本文就进一步介绍下其理论基础和matlab的实现（也是网上学者的代码）。 开发环境：Matlab2012a 基础 假设X是一个 ...
PCA算法学习（Matlab实现）
PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。 实现数据降维的步骤： 1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵 2、求样本矩阵的协方差矩阵 3、求协方差 ...
OpenCV学习(35) OpenCV中的PCA算法
PCA算法的基本原理可以参考：http://www.cnblogs.com/mikewolf2002/p/3429711.html 对一副宽p、高q的二维灰度图，要完整表示该图像，需要m = p*q维的向量空间，比如100*100的灰度图像，它的向量空间为100*100 ...
PCA 人脸降维
1、从文件中读取图像数据（一共40个人，每人5张图片，图片大小为112*92，格式为pgm，每个人的图像单独存放在一个文件夹中） function [imgRow,imgCol,FaceContainer,faceLabel]=ReadFaces(nFacesPerPerson ...
基于PCA的人脸降维
一、PCA原理 PCA的原理就是将原来的样本数据投影到一个新的空间中，相当于我们在矩阵分析里面学习的将一组矩阵映射到另外的坐标系下。通过一个转换坐标，也可以理解成把一组坐标转换到另外一组坐标系下，但是在新的坐标系下，表示原来的原本不需要那么多的变量，只需要原来样本的最大的一个线性 ...
Java中实现PCA降维
float[] vector = docvector.getElementArray(); FloatMatrix d = new FloatMatrix(vector); FloatMatrix result = PCA.dimensionReduction(d, 10); ...
python机器学习——PCA降维算法
背景与原理： PCA（主成分分析）是将一个数据的特征数量减少的同时尽可能保留最多信息的方法。所谓降维，就是在说对于一个$n$维数据集，其可以看做一个$n$维空间中的点集（或者向量集），而我们要把这个向量集投影到一个$k<n$维空间中，这样当然会导致信息损失，但是如果这个$k$维空间的基底 ...