PCA-SVM 技术资料

基于PCA实现的人脸识别，识别率达到80 以上

详细介绍PCA（主成分分析），应用于人脸识别。PCA概念，发展，关键技术

非线性PCA算法matlab程序段，完成独立分量分析的主分量分解

这是基于PCA的人脸识别，用MATLAB编写，包含了K-L变换，奇异值分解等方法，且采用了最小距离分类器

简单实现了PCA和LDA降维算法，能够直接导入到matlab中，数据集需要用户自己提供。

·摘 要:提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维，即利用PCA算法对图像进行去二阶相关和降维处理，然后再利用ICA算法获得人脸影像独立基成分，利用人脸影像独立基来构造一子空间，最后利用待识别…

文章具体讨论了主成分分析( PCA)人脸识别算法的原理及实现。它具有简单、快速和易行等特点,能从整体上反映人脸图像的灰度相关性具有一定的实用价值。

主成分分析法（PCA）思想和计算过程。PCA是特征提取的重要方法

一个关于PCA人脸识别的源代码。对PCA的初学者又很大的帮助

模式识别PCA(principle component analysis)源码.matlab 格式。PCA为经典而且经常使用的算法。