基于主成分分析的人工神经网络人脸识别方法的研究

调试已通过的基于（KPCA）核主成分分析人脸识别代码，带有注释和ORL人脸库对于学习KPCA很有帮助

(九)主成分分析在人脸识别中的应用.pptx,非常好的机器学习课件,强烈推荐

针对现有的动作识别算法的特征提取复杂、识别率低等问题，提出了基于批归一化变换（batchnormalization）与GoogLeNet网络模型相结合的网络结构，将图像分类领域的批归一化思想应用到动作

深入分析了计盒法在估算分形维数上存在的问题并结合织物纹理固有的特点，提取了4个新的分形参数，利用由它们组成的特征向量并使用欧式距离检测器对7种具有不同纹理背景的织物进行了瑕疵检测。测试结果表明，在一定

结合主成分分析和贝叶斯（Bayes）判别简化构建突水水源识别模型,水样变量因子选取Ca2+、Na++K+、Mg2+、HCO3-、Cl-、SO42-六个指标。采用潘二矿新生界松散层、煤系砂岩以及太原组灰

为了提高人脸识别算法的识别性能,提出了基于Prewitt算子的卷积神经网络人脸识别方法。首先通过直方图均衡化和Prewitt算子对人脸图像进行预处理;然后将其输入卷积神经网络进行训练,并采用指数衰减法

由于夹层的存在影响剩余油的分布,认清夹层分布对制定开发计划至关重要,故提出了一种夹层识别的新方法。分析了夹层形成原因及其测井曲线特征,从沉积上来说夹层是沉积间歇面,用砂泥比和泥砂比差值来反映沉积环境。

主成分分析应用在模式分类上的MATLAB实现，MATLAB2015a环境下可以使用。

基于核的主成分分析，适用于非线性特征提取。

为识别当前卫星通信系统所采用的主要调制方式,提出了一种基于多端卷积神经网络的通信信号调制识别算法。利用信号的先验信息以及对网络拓扑结构的认知,将信号时域波形转化为眼图和矢量图,作为信号的浅层特征表达,