搜索结果: 106-113 共查到“工学 PCA”相关记录113条 . 查询时间(0.107 秒)
一种基于2D-DWT和2D-PCA的人脸识别方法
人脸识别 二维离散小波变换 二维主成份分析
2008/12/29
提出了一种联合图像二维离散小波变换(2D-DWT)和二维主成分分析(2D-PCA)的人脸识别方法。首先通过2D-DWT将当前图像分解成四个子图像,其中一子图像对应原图像的主体部分(低通部分),其余三个子图像则对应图像的细节部分(高通部分)。在此基础上,采用2D-PCA方法分别对每一子图像进行特征提取。此外,文中还提出了一种简单有效的方法对各子图像中所提取的特征进行融合,根据所得到的特征进行人脸识别...
基于分类别PCA散度的高光谱图像分类波段选择
高光谱图像分类 波段选择 分类别PCA 散度
2008/6/5
波段选择是去除高光谱图象段间冗余,实现降维的有效方法。该文提出了一种新的基于分类别主成分分析 (PCA)散度的波段选择方法。即首先对训练集各类样本分别进行PCA变换去相关并计算散度,接着分析相应PCA变换系数获得对各类样本分类都重要的原始波段,在综合考虑波段的相关度,散度和子集规模的基础上获得最终选择波段。复杂度分析表明该方法较局部寻优的前向搜索计算量大为降低,提高了效率,并用高光谱遥感图象的分类...
文本无关说话人识别中一种改进的模型PCA变换方法
话者识别 PCA 模型PCA 解相关
2008/6/2
对于采用高斯混合模型(GMM)的与文本无关的说话人识别,出于模型参数数量和计算量的考虑 GMM的协方差矩阵通常取为对角矩阵形式,并假设观察矢量各维之间是不相关的。然而,这种假设在大多情况下是不成立的。为了使观察矢量空间适合于采用对角协方差的GMM进行拟合,通常采用对参数空间或模型空间进行解相关变换。该文提出了一种改进模型空间解相关的PCA方法,通过直接对GMM的各高斯成分的协方差进行主成分分析,使...
基于Contourlet的图像PCA去噪方法
图像 Contourlet
2008/3/11
提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contour...
一种增量PCA算法及其在人脸识别中的应用
人脸识别 主成分分析 增量方法 核方法
2008/3/5
摘要主成分分析(PCA)是模式识别领域一种重要的方法,现在已被广泛地应用于人脸识别算法中,但基于PCA人脸识别系统在应用中面临着一个重要障碍:增量学习问题。针对这个问题,提出了一种适用于成批增量数据的IPCA算法,该算法在原始PCA分解的基础上,利用空间投影变换,使得可以在一个低维空间求解整体PCA,从而降低了求解的复杂度,在此基础上对该增量算法进行了核化,并在ORL人脸数据库上验证了算法的有效性...
PCA类内平均脸法在人脸识别中的应用研究*
脸识别 PCA算法 特征脸 类内平均脸
2008/3/1
人脸识别是生物特征识别技术中一个非常活跃的课题,取得了很多研究成果。统计主元分析法(Principal Components Analysis, PCA)是人脸特征提取和识别的常用方法之一。结合传统PCA算法的特点,提出了一种用类内平均脸对类内样本进行规范化的方法。该方法有效地增加了类间样本的识别距离、有效地缩小了类内样本的识别距离,从而提高了人脸正确识别率。基于ORL人脸数据库的实验结果表明,该...
关于SVD与PCA等价性的研究
正常正交分解 主成分分析 Karhunen-Loève分解 奇异值分解
2007/11/1
利用矩阵的Frobenius范数对奇异值分解(Singular Value Decomposition, SVD)的正规正交基的最优性给出了一种新的证明,论述了SVD与主成分分析的等价性.