介绍
基于深度学习和稀疏表达的人脸识别算法
1 利用VGGFace提取人脸特征
2 PCA对人脸特征进行降维
3 稀疏表达的人脸匹配
Code1 介绍本文将介绍一种基于深度学习和稀疏表达的人脸识别算法...
分类：
编程语言 时间：
2017-03-12 20:16:38
阅读次数：
891
//这道题还是很有意思//最开始无从下手但是 可以发现 翻牌和先后顺序无关 > 那么只能翻1次或不翻 因为其他情况和1 0 都是重复的//那么 如果强行枚举就是2^n//这里就没有想到了 >降维度的简化//确定第一行后 第二行就要把第一行的1都翻为0 才能继续下去 所以第二行事实是确定的//以此类推 ...
分类：
其他好文 时间：
2017-03-07 19:23:22
阅读次数：
249
%生成随机矩阵并标准正交化 a= randn(3)orth(a) %随机投影进行降维 c=magic(3)d=c*b %验证距离 sim=squareform(pdist(d,'euclidean'))sim=squareform(pdist(c,'euclidean'))sim=squarefor ...
分类：
其他好文 时间：
2017-02-16 23:35:58
阅读次数：
392
转载至: http://www.cnblogs.com/cezorzhao/archive/2013/01/11/xiefangcha.html 在做数字图像处理的时候，特别是PCA降维的时候，很多情况下要遇到协方差矩阵，其实一直糊里糊涂的不知道到底是个什么东西， 以下是我收集的网上资料做的整理和自 ...
分类：
其他好文 时间：
2017-02-10 19:56:28
阅读次数：
150
本文对“A tutorial on Principal Components Analysis”进行了翻译，在翻译原文的过程中，在保证不改变原文意思的前提下，对一些知识点进行了扩充并附上参考网址。本人刚开始尝试翻译文献，经验不足，有些理解可能不到位，有些翻译可能不够准确。若读者们有发现有误之处，还望... ...
分类：
其他好文 时间：
2017-01-27 11:58:32
阅读次数：
500
上一篇文章讲了PCA的数据原理，明白了PCA主要的思想及使用PCA做数据降维的步骤，本文我们详细探讨下另一种数据降维技术—奇异值分解（SVD）。 在介绍奇异值分解前，先谈谈这个比较奇怪的名字：奇异值分解，英文全称为Singular Value Decomposition。首先我们要明白，SVD是众多 ...
分类：
其他好文 时间：
2017-01-15 13:49:04
阅读次数：
388
声明：本文转载自http://my.oschina.net/gujianhan/blog/225241 一、简介 PCA（Principal Components Analysis）即主成分分析，是图像处理中经常用到的降维方法，大家知道，我们在处理有关数字图像处理方面的问题时，比如经常用的图像的查询 ...
分类：
其他好文 时间：
2017-01-10 21:08:42
阅读次数：
303
局部线性嵌入(Locally Linear Embedding，以下简称LLE)也是非常重要的降维方法。和传统的PCA，LDA等关注样本方差的降维方法相比，LLE关注于降维时保持样本局部的线性特征，由于LLE在降维时保持了样本的局部特征，它广泛的用于图像图像识别，高维数据可视化等领域。下面我们就对L ...
分类：
其他好文 时间：
2017-01-10 13:13:18
阅读次数：
487
降维[Dimensionality Reduction]: 降维 是减少变量数量的过程。它可以用来从含有噪声的未加工特征中提取潜在特征，或者在维持原来结构的情况下压缩数据。MLlib提供了类RowMatrix 上的降维支持。 奇异值分解 (SVD): 奇异值分解(SVD)将一个矩阵分解为三个矩阵：U ...
分类：
其他好文 时间：
2017-01-09 18:43:11
阅读次数：
285
PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过程，而没有讲述其中的原理。这篇文章的 ...
分类：
其他好文 时间：
2017-01-07 17:52:55
阅读次数：
419
