智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

该系统是基于OpenCV3.4+VS2015来实现在视频流中检测出人脸，并对人脸进行识别（已经存在的人脸库），从而得出身份。 利用CascadeClassifier类来进行人脸检测，利用特征脸识别EigenFaceRecognizer来进行人脸识别分类器的训练，特征脸识别采用了PCA算法，每一幅图中采集80维的高维向量。最终得到的识别率在百分80%。

这个包实现了一种著名的基于 PCA 的人脸识别方法，称为“特征脸”。 该程序易于使用。 此外，还添加了一个示例项目文件 demo_PCA.m' 来演示如何使用，还包括 ORL 训练和测试数据库，以通过随机选择图像来显示不同大小的测试和训练数据集上执行时间和识别百分比的性能比较。 用于 LOOCV（留一法交叉验证）测试的附加文件 LOOCV.m。 用于比较 PCA 与均值、众数和中值修改的附加文件 Comparision.m。 附加文件 PRR.m 被添加到子函数中，用于计算单个类的精度和召回率。 为了更好地理解 PCA 和所涉及的测试，您可以使用给出的教程： http : //www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf http://www.creighton.edu/fileadmin/use

基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别 基于PCA算法的人脸识别代码，主要实现特征脸的提取和人脸的识别

针对矿山边坡预测模型精度低等问题,提出一种由主成分分析(PCA)、灰狼算法(GWO)和支持向量机(SVM)组合的混合模型(PCA-GWO-SVM)。首先,采用PCA对原始数据进行降维去噪;其次,通过GWO算法优化支持向量机参数;最后,通过SVM实现矿山边坡变形的预测。矿山边坡实例表明PCA-GWO-SVM模型具有更高的预测精度。

基于pca lda 粗糙集 模糊神经网络的人脸识别程序 在matlab上可直接运行

压缩包包含了基于PCA的CFA图像去噪论文“Pseudo four-channel image denoising for noisy CFA raw data”及其源程序。

多光谱遥感影像特征提取是保证图像分类结果精度的关键,文中介绍了多光谱遥感影像特征提取的两种主要方法。通过实验证明:KPCA较PCA具有更好的数据压缩和降维效果,影像特征提取效果优势明显。

使用主成分分析（PCA）实现人脸识别，并对两种分组方式的结果进行呈现。 MATLAB实现以及python的代码

基于PCA手写数字识别matlab 源码.md