说明：Gabor小波人脸识别，LBP特征提取，PCA，LPP降维。自己做的毕业设计。

lpp pca-lbp LPP人脸识别 pca降维 gabor--pca

说明：核主成分分析方法，是主成分分析的一种改进算法，是一种非线性的特征提取方法。

非线性特征 特征提取算法 核主成分分析 核-线性 改进KPCA

说明：PCA算法（主成分分析算法），通过对多维数据的降维算法，达到图像降维的目的，把关键信息存储在更低的维度，可用于人脸特征识别匹配的多种途径。

说明：主成分分析

matlab 程序 完整

说明：PCA用于人脸识别，提取人脸特征得到主成分，可以实现人脸识别

说明：可以提取一幅图中想要的目标，包含优化类的几个简单示例程序，包含飞行器飞行中的姿态控制，如侧滑角，倾斜角，滚转角，俯仰角，用蒙特卡洛模拟的方法计算美式期权的价格以及基本描述,时间序列数据分析中的梅林变换工具，有循环检测，周期性检测。

说明：利用稀疏主分量分析实现目标识别中的特征提取，包括论文和仿真代码。

稀疏-分量分析 稀疏分量 pca-object 目标提取 稀疏

说明：PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据。

pca-排序 pca中心 投影降维 PCA-降维数 pca矩阵降维

说明：三个众所周知的外观基于子空间人脸识别算法用于测试压缩的影响： 主成分分析法-PCA （土耳其人和彭特兰，1991年），线性判别分析-LDA （Belhumeur 等，1996年） 和独立成分分析-ICA （巴特莱特等人，2002年）。它是重要的是提及我们用 ICA 建筑 2从 （巴特莱特等人，200...

matlab pca 识别 人脸 基于

说明：主成分分析法能较好地实现图像融合，特别是空间特征保持非常好，但光谱特征的保持性要差一些。

PCA融合 pca光谱图像 PCA-图像融合 特征-融合 pca-image