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. 基于BP神经网络的人脸识别

  2. 一、实验要求 采用三层前馈BP神经网络实现标准人脸YALE数据库的识别，编程语言为C系列语言。 二、BP神经网络的结构和学习算法 实验中建议采用如下最简单的三层BP神经网络，输入层为 ，有n个神经元节点，输出层具有m个神经元，网络输出为 ,隐含层具有k个神经元，采用BP学习算法训练神经网络。 BP神经网络的结构 BP网络在本质上是一种输入到输出的映射，它能够学习大量的输入与输出之间的映射关系，而不需要任何输入和输出之间的精确的数学表达式，只要用已知的模式对BP网络加以训练，网络就具有输入输出对

  3. 所属分类：Java

    • 发布日期：2018-05-17
    • 文件大小：5242880
    • 提供者：qq_35685675

  1. 人脸数据集 Extended Yale B Database（EYaleB.mat）

  2. Extended Yale B Database，The cropped Extended Yale B database consists of 2414 frontal-face images of 38 subjects with size 168×192, captured under 64 different lighting conditions. EYaleB是耶鲁大学的人脸识别数据库 格式：.mat

  3. 所属分类：机器学习

    • 发布日期：2018-05-27
    • 文件大小：52428800
    • 提供者：qq_20505785

  1. Yale人脸数据集下载

  2. Yale人脸数据库,15人，每人11幅图片，bmp格式,100×100像素。 原网站上下载不到，到处找，要什么C币，我没有。现在终于找到，免费分享。

  3. 所属分类：机器学习

    • 发布日期：2020-05-14
    • 文件大小：1048576
    • 提供者：seek1stopt

  1. 基于深度学习的图像分类方法研究_孟丹.caj

  2. 本文在深度学习框架的基础上对特征提取方法进行了研究,并通过医学图像、人脸表情的检测和分类对其效果进行了验证。本文的研究内容主要包括以下三点:1)提出有约束的高分散主成分分析网络(Constrained High Dispersal PCANet,CHDNet)。本文详细分析了 CHDNet的不同组件对分类性能的影响,针对PCANet的局限性,设计了非线性变化层、多尺度特征池化层,以提高分类性能。将CHDNet应用在医学图像分类中,包括基于Kinect深度图像的人体生理机能自动检测和计算机辅助舌象

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：6291456
    • 提供者：olivia_ye

  1. FaceDB_yaleA YaleB人脸数据集 人脸数据库

  2. FaceDB_YaleA YaleA人脸数据集 人脸数据库 FaceDB_YaleB人脸数据集请查看我的其他资源； 由耶鲁大学计算视觉与控制中心创建,包含15位志愿者的165张图片,包含光照,表情和姿态的变化。 Yale人脸数据库中一个采集志愿者的10张样本，相比较ORL人脸数据库Yale库中每个对象采集的样本包含更明显的光照、表情和姿态以及遮挡变化。

  3. 所属分类：深度学习

    • 发布日期：2020-07-04
    • 文件大小：5242880
    • 提供者：qq_39591507

  1. yale人脸数据库集

  2. yale人脸数据库，其中有15人，每人11张图片。适用于模式识别领域，是人脸识别算法实验的不二之选，图片均为100*100尺寸。

  3. 所属分类：机器学习

    • 发布日期：2020-07-13
    • 文件大小：1048576
    • 提供者：qq_43961610

  1. YALE_人脸库.rar

  2. YALE人脸数据库（美国，耶鲁大学）由耶鲁大学计算视觉与控制中心创建，包含15个人，每个人有不同表情、姿态和光照下的11张人脸图像，共165张图片，每张图片大小为100*100。整个数据集非常小，图片信息也较为简单。

  3. 所属分类：互联网

    • 发布日期：2020-08-08
    • 文件大小：1048576
    • 提供者：qq_42839007

  1. 零空间分集Fisher判别分析用于人脸识别

  2. 试图将原始数据投影到低维特征空间中的特征提取算法引起了很多关注。 本文基于增强型Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为零空间多样性Fisher判别分析（NSDFDA），用于人脸识别。 提出了基于新优化准则的NSDFDA，这意味着可以在类内散点的零空间中计算所有判别向量。 此外，所提出的算法能够提取特征空间中的正交判别矢量，并且同时不存在样本量小的问题，这是许多模式分析应用所希望的。 在Yale数据库上的实验结果证明了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：310272
    • 提供者：weixin_38609571

  1. 核诱导距离度量的鲁棒典型相关分析

  2. 典型相关分析(canonical correlation analysis,CCA)是寻找同一对象两组变量间线性相关性的一种常用的多元统计分析方法,其采用的欧氏距离度量方式导致了算法的非鲁棒性。核诱导的距离度量不仅在理论上被证明是鲁棒的,而且在(聚类)应用上获得了有效验证。将其进一步应用于CCA,发展出了核诱导距离度量的鲁棒CCA(CCA based on kernel-induced measure,KI-CCA)。该算法不仅克服了CCA非鲁棒的不足,而且使现有基于最大相关熵的鲁棒主成分分析(

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：742400
    • 提供者：weixin_38672940