注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. KFDA核Fisher鉴别

  2. 采用了，核函数Fisher鉴别准则，分类。

  3. 所属分类：专业指导

    • 发布日期：2010-06-21
    • 文件大小：6144
    • 提供者：wdmjx

  1. KFDA 核fisher

  2. Feature scaling for kernel Fisher discriminant analysis using leave-one-out cross validation. FS-KFDA is a package for implementing feature scaling for kernel fisher discriminant analysis.-Feature scaling for kernel Fisher discrim inant analysis usi

  3. 所属分类：Java

    • 发布日期：2011-03-07
    • 文件大小：494592
    • 提供者：qqqqqqq222smm

  1. KFDA matlab程序

  2. 模式误别课程中核Fisher鉴别分析方法（KFDA）的matlab程序

  3. 所属分类：其它

    • 发布日期：2011-03-09
    • 文件大小：6144
    • 提供者：qiu578

  1. 2010级中科院模式识别课件

  2. 主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式识别 句法模式识别基本概念、属性串和属性图匹配、HMM Discriminative Learning Loss

  3. 所属分类：专业指导

    • 发布日期：2011-08-02
    • 文件大小：8388608
    • 提供者：lq312658076

  1. KPCA+KFDA，ORL 库

  2. 已经调试的KPCA+KFDA程序 ，模式识别

  3. 所属分类：其它

    • 发布日期：2012-12-03
    • 文件大小：6144
    • 提供者：kaixin__

  1. 中科院模式识别+博士模式识别课

  2. 主要内容： 模式识别概论统计模式识别 模式识别基本概念、主要方法的各自特点、贝叶斯决策、概率密度估计、聚类分析 特征提取与特征选择 线性特征提取、各种准则和搜索算法 人工神经网络 多层前馈神经网络、RBF网络、自组织影射(SOM)等 核方法 支持向量机、核空间特征提取(KPCA, KFDA) 多分类器系统 分类器融合方法、Bagging, Boosting, ECOC 句法结构模式识别 句法模式识别基本概念、属性串和属性图匹配、HMM Discriminative Learning Loss

  3. 所属分类：专业指导

    • 发布日期：2013-01-12
    • 文件大小：8388608
    • 提供者：wlzx_xiaoyou

  1. 基于KFDA的人脸识别（ORL库，matlab语言）

  2. 针对ORL人脸数据库进行实验，选取每个人的前8张图像作为训练集，最后两张作为测试集，进行实验。最终80张测试图像，准确预测了50张，预测准确率为50/80*100%=62.5%

  3. 所属分类：机器学习

    • 发布日期：2019-06-01
    • 文件大小：4194304
    • 提供者：qq_39217683

  1. 基于KFDA的改进SIFT算法在图像配准中的应用。

  2. 基于KFDA的改进SIFT算法在图像配准中的应用。

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：2097152
    • 提供者：weixin_38695452

  1. 一种融合PCA 和KFDA 的人脸识别方法

  2. 提出一种融合PCA 和KFDA 的人脸识别方法, 即在进行非线性映射之前, 首先利用经典的主分量分析(C2 PCA ) 进行降维, 然后执行KFDA. 为进一步降低整个算法的计算时间, 又提出一种I2PCA + KFDA 方法, 它直接基于 图像矩阵的主分量分析( I2PCA ). ORL 标准人脸库的试验结果表明, 与现有的核F isher 鉴别分析方法相比, 两种方 法可将特征抽取的速度分别提高3 倍和7 倍, 其识别精度没有丝毫的降低.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：279552
    • 提供者：weixin_38750007