PCA+SVM人脸识别

PCA与SVM在人脸识别中的应用

最新推荐文章于 2025-10-09 11:52:15 发布

原创

最新推荐文章于 2025-10-09 11:52:15 发布 · 4.4k 阅读

·

4

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#PCA #SVM #人脸识别 #计算机视觉 #机器学习

该博客介绍了如何结合PCA和SVM进行人脸识别。首先，详细解释了PCA的主要步骤和作用，通过PCA对人脸图片进行降维。接着，阐述了SVM的分类原理和常用的核函数。然后，概述了人脸识别的完整流程，包括数据预处理、PCA降维、SVM模型训练和测试。最后，提供了代码实现链接和作者的在线资源。

PCA+SVM人脸识别

PCA介绍

主成分分析(Principal Component Analysis, 简称PCA)是常用的一种降维方法.

算法步骤:

输入: 样本集 $D=\{x_1, x_2, ..., x_m\}$ , 低维空间维数 $d'$
过程:
1. 对所有样本进行中心化: $x_i \leftarrow x_i - \frac{1}{m} \sum_{i=1}^{m} x_i$ ;
2. 计算样本的协方差矩阵: $XX^T$ (有时用散布矩阵, 二者只相差一个倍数);
3. 对协方差矩阵 $XX^T$ 做特征值分解;
4. 取最大的 d

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。