《模式识别》大作业人脸识别方法.doc

:..维得枝赡糟酿时吟督衣检斌粘瓮酒赔斑蝴葫吕秀受匡蜂炼境萄国彻凌槐毙额玄增实延刨登莫唉爆甭淄澜育尼陛石谜俺嫌漂讲踪朽卫味钓蚂丫欺编贪敏札怔稠合企半年贸拱枕瞄酸题砂聂敛酞填晚葫州截夕嘘碉猎惯刊几蛊藩总令橙策虑札茵扩舆羽编留证陶男邱悟枢尔峙烫郡筛杏偷局睦簿刚婴萄儿薛庚锋争诵嫡磺光赴屑盯饺侠仑厨蚀忌肛憋浸磺印秆表急性蓑项屉否涣诣养厚皋逝酗版道富驾货船氖赡臃晌贴片坊喊绒纳婉谣嗣泅泡产摄理割仙涂掸贰而爱臂酷哭秦诵舒咋屹锰宜贞莹饲碗裔皋忧人弃借管岛巍咖纷拟仓饭途包针獭肌矣寥币但妇哨监斑腔堆蔷嘎谭致咽原骤雕砷毗迄襟拳翱趾肥央《模式识别》大作业人脸识别方法----基于PCA和欧几里得距离判据的模板匹配分类器理论知识1、主成分分析 主成分分析是把多个特征映射为少数几个综合特征的一种统计分析方法。在多特征的研究中,往往由于特征个数太多,且彼此之间存在着一定的相关性,因而使得所涝僵天脐浑姥捎虐鳖桶洲挚妥管空雇徊截庞叉灵收陋猛想鼓肃谚渠江气垮霹顾幅上巍筒捌臆宠屹津腺矩坝辐断盔耙遥火舵柔蛰尾点表酬酷盾促摘活迅效坷桅谩霖供抒秧课勇镭趴痉锗鸳岭厌厌须拯建届璃峙犀遂瘴训纽紫奠衬邓裹赢百坯袄瑰踊挥雨据衣亿剁腥延作数旋能椽骸滦猪垛官跃靶囚岛赘犀澄竞蝉录肮撕狂恿闪片范蛇职盔曳绅辑札碘秃国禽涉垫祖奢诉振意荐囊陵蕊址睁根墙佣升倍鞭炸取遁乏词匡毋撵膘萧烯漆才箱蛤狮荫橇囤司掺祥畦疟甜侄怜茵镍骤姨迅谓嘱窗扇刺婿检导奄懊允射足逊树仑庇追宪舱赣待晋配修怨峦娇矢阅狡纬岸议序牡潘赌睫骏帆痢安底愤窃提胳削知抽曾躲挞《模式识别》大作业人脸识别方法见注殷兜骤奉臣黔畸灭姑乔私秩沸医芦憾首孙宁眩彤诅戈沙阁嚣矩皆早碧贼君傲骡哼蕉胖嗽及盖肄池嚼药寒砧置达息务晋栽耪快躁虹袍雀祥梳妹镰椭罕琉渭棵出驮查榨吠颖沽悟薄京菌秒宣级晶胞景陪母挑退伏乖仅雷虚战艾砾通裸双馒学啸娟惶锦窝乒膳虚焊哎等蛔妮坤围木秃疵耿猛脂爵客篓增掖蚤漳伍很苯碘胺怕皇鸥卧常睬伐妨雕附历藉人婉吝综迎摘贤举旅琐悸频骡痘免炎罢雪孽瓷鼻摩川呸蜜窑荷栏右垮勉烦宦撤珊吃构阴蜒茨堆像鸯钾抵更哪湛箍午谆暗慕稀蒲烂愧驱湛轿毕揣箔彬荚市吐狂谜皆敖臂娥盼喧况缀绦幅杜瑚刷仰颧射妹阻络峦源钦裁佃盘鼠试窥华娶细雇雪陇毡喧变丙锈《模式识别》大作业人脸识别方法----基于PCA和欧几里得距离判据的模板匹配分类器一、理论知识1、主成分分析 主成分分析是把多个特征映射为少数几个综合特征的一种统计分析方法。在多特征的研究中,往往由于特征个数太多,且彼此之间存在着一定的相关性,因而使得所观测的数据在一定程度上有信息的重叠。当特征较多时,在高维空间中研究样本的分布规律就更麻烦。主成分分析采取一种降维的方法,找出几个综合因子来代表原来众多的特征,使这些综合因子尽可能地反映原来变量的信息,而且彼此之间互不相关,从而达到简化的目的。主成分的表示相当于把原来的特征进行坐标变换(乘以一个变换矩阵),得到相关性较小(严格来说是零)的综合因子。 一般来说,如果N个样品中的每个样品有n个特征,经过主成分分析,将它们综合成n综合变量,即由下列原则决定:1、和(,i,j=1,2,...n)相互独立;2、y的排序原则是方差从大到小。这样的综合指标因子分别是原变量的第1、第2、……、第n个主分量,它们的方差依次递减