首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> pca

基于全局引導的行人序列重識別

  • 摘要：行人序列重識別是對同一個人進行跨攝像頭識別，要實現(xiàn)跨攝像頭行人精確識別必須充分利用行人序 列的時空線索。為了解決這個問題，本文提出了一種基于全局引導的行人序列重識別，首先利用ResNet-50提 取行人序列特征；然后用全局引導網(wǎng)絡(luò)將行人序列特征分解為全局特征和局部特征，并提取行人序列全局特征 和局部特征的時間相關(guān)性；最后對行人序列特征PCA降維后用JS散度計算相似度。實驗結(jié)果表明本文算法在跨 攝像頭行人序列重識別中識不僅識別率高，而且效率高。關(guān)鍵詞：行人序列重識別；ResNet-50；全局引
  • 關(guān)鍵字： 202209  行人序列重識別  ResNet-50  全局引導  PCA  

用PCA還是LDA？特征抽取經(jīng)典算法PK

  • 　　在之前的格物匯文章中，我們介紹了特征抽取的經(jīng)典算法——主成分分析(PCA)，了解了PCA算法實質(zhì)上是進行了一次坐標軸旋轉(zhuǎn)，盡可能讓數(shù)據(jù)映射在新坐標軸方向上的方差盡可能大，并且讓原數(shù)據(jù)與新映射的數(shù)據(jù)在距離的變化上盡可能小。方差較大的方向代表數(shù)據(jù)含有的信息量較大，建議保留。方差較小的方向代表數(shù)據(jù)含有的信息量較少，建議舍棄。今天我們就來看一下PCA的具體應(yīng)用案例和特征映射的另一種方法：線性判別分析(LDA)?！　CA案例　　在機器學習中，所使用的數(shù)據(jù)往往維數(shù)很大，我們需要使用降維的方法來突顯信息含量較大的
  • 關(guān)鍵字： PCA  LDA  

基奇PCA的貝葉斯網(wǎng)絡(luò)分糞器研究

  • 1 引言近幾年來，貝葉斯網(wǎng)絡(luò)已成為數(shù)據(jù)挖掘和知識發(fā)現(xiàn)中的一個主要工具，在分類、聚類、預(yù)測和規(guī)則推導等方面取得了良好的應(yīng)用效果。從歷史數(shù)據(jù)
  • 關(guān)鍵字： PCA  貝葉斯  網(wǎng)絡(luò)  

人工智能之PCA算法

  • 　　前言：人工智能機器學習有關(guān)算法內(nèi)容，人工智能之機器學習主要有三大類：1)分類;2)回歸;3)聚類。今天我們重點探討一下PCA算法?！　CA(主成分分析)是十大經(jīng)典機器學習算法之一。PCA是Pearson在1901年提出的，后來由Hotelling在1933年加以發(fā)展提出的一種多變量的統(tǒng)計方法。　　對于維數(shù)比較多的數(shù)據(jù)，首先需要做的事就是在盡量保證數(shù)據(jù)本質(zhì)的前提下將數(shù)據(jù)中的維數(shù)降低。降維是一種數(shù)據(jù)集預(yù)處理技術(shù)，往往在數(shù)據(jù)應(yīng)用在其他算法之前使用，它可以去除掉數(shù)據(jù)的一些冗余信息和噪聲，使數(shù)據(jù)變得更加簡單高
  • 關(guān)鍵字： 人工智能  PCA  

人臉識別會議簽到的嵌入式系統(tǒng)設(shè)計

  • 人臉識別會議簽到的嵌入式系統(tǒng)設(shè)計,摘要：為了解決傳統(tǒng)會議簽到問題，利用S5PV210與CC2530、攝像頭、按鍵、液晶顯示屏等硬件設(shè)備設(shè)計了一種人臉識別會議簽到硬件終端。在定義的通信協(xié)議的基礎(chǔ)上，采用C語言開發(fā)出了下位機與上位機間進行數(shù)據(jù)傳輸?shù)某绦?/li>
  • 關(guān)鍵字： 人臉識別  PCA  ZigBee  Linux  嵌入式系統(tǒng)  

STC12C4052 PCA用于16位定時器測試程序

  • //STC12C4052 PCA用于16位定時器測試程序//2009/11/21 liweiqiang#includestc12c4052ad.h>sbit P37=P3^ ...
  • 關(guān)鍵字： STC12C4052  PCA  定時器測試  

用SST 單片機的PCA功能產(chǎn)生PWM 脈沖

  • 一、程序說明：SST單片機帶有5路PCA模塊,PCA功能比普通的單片機相比提供更強的計時性,同時更少CPU的干預(yù),用它可以減少軟件的開銷和改進精度。利用PCA的脈沖寬度調(diào)制（PWM）模式可以產(chǎn)生一個8位PWM,它通過比PCA定時器
  • 關(guān)鍵字： PWM  脈沖  產(chǎn)生  功能  單片機  PCA  SST  

基于PCA和LDA融合算法的性別鑒別

  • 結(jié)合主元分析(PCA)與線性鑒別分析(LDA)的特點，利用PCA-LDA算法進行性別鑒別。通過PCA算法求得訓練樣本的特征子空間，并在此基礎(chǔ)上計算出LDA算法的特征子空間。將PCA算法與LDA算法的特征子空間進行融合，獲得PCA-LDA算法的融合特征空間。訓練樣本與測試樣本分別朝融合特征空間投影，從而得到識別特征。利用最近鄰準則即可完成性別鑒別。實驗中利用三種預(yù)處理方法(PCA+LDA、HG+PCA+LDA、RHG +PCA+LDA)，得出各自的實驗結(jié)果，并進行比較。實驗結(jié)果表明，利用RHG+PCA+LD
  • 關(guān)鍵字： PCA  LDA  融合算法    

通用人體呼吸氣體檢測電子鼻儀器設(shè)計

  • 　　引言 　　通過人體的體液檢測健康狀況，這在臨床應(yīng)用中已非常成熟，也確實為診斷過程提供了十分寶貴的信息，然而體液檢測一方面需要依賴于檢測試劑，成本較高，另一方面大部分檢測手段基于“有創(chuàng)”過程，均不適合進行較高頻率的檢測。作為身體健康狀況的另一條反映途徑，人體的呼吸氣體(肺呼吸氣體與消化道揮發(fā)氣體)也能反映一些重要的生理過程與代謝信息，且檢測的方法可以在一定程度上彌補前者的不足。 　　本設(shè)計的目的是利用以ARM7TDMI-S為核心的LPC2478處理器實現(xiàn)對電子鼻儀器系統(tǒng)的控制
  • 關(guān)鍵字： 醫(yī)療電子  傳感器  電子鼻  PCA  LPC2478  

基奇PCA的貝葉斯網(wǎng)絡(luò)分糞器研究

  • 1 引言
    近幾年來，貝葉斯網(wǎng)絡(luò)已成為數(shù)據(jù)挖掘和知識發(fā)現(xiàn)中的一個主要工具，在分類、聚類、預(yù)測和規(guī)則推導等方面取得了良好的應(yīng)用效果。從歷史數(shù)據(jù)中學習貝葉斯網(wǎng)絡(luò)可采用基于依賴分析的方法。
    常用的有：用
  • 關(guān)鍵字： 研究  網(wǎng)絡(luò)  貝葉斯  PCA  基奇  

研華推出了一款PICMG 1.0全長單板電腦

  • 　　作為全球產(chǎn)業(yè)計算機(IPC)與自動化設(shè)備領(lǐng)導廠商的研華公司, 近期推出了一款PICMG 1.0全長單板電腦：PCA-6010。這款產(chǎn)品具有非常高的性價比，使用了主流Intel Core?2 Duo雙核計算機電源。PCA-6010非常適合于要求高計算性能和強擴展能力、對價格敏感的工業(yè)應(yīng)用，如自動光學檢測(AOI)、醫(yī)學圖像處理、數(shù)字監(jiān)控和電信等應(yīng)用。 　　強大的芯片 　　PCA-6010使用的Intel? 945GC桌面芯片組，支持主流的Intel? Core&trade
  • 關(guān)鍵字： 研華  全長單板  PCA-6010  Core  

基于PCA算法的人臉識別研究

  • 基于PCA算法的人臉識別研究,1 人臉識別的發(fā)展及現(xiàn)狀
    人臉識別的研究已經(jīng)有很長的歷史，在19世紀，法國人Galton就曾對此問題進行了研究，他用一組數(shù)字代表不同的人臉側(cè)面特征來實現(xiàn)對人臉側(cè)面圖像的識別。國內(nèi)外對于人臉識別的研究發(fā)展，分
  • 關(guān)鍵字： 識別  研究  人臉  算法  PCA  基于  PCA  特征臉  人臉識別  

基于本征空間的多姿態(tài)人臉識別方法

  • 基于本征空間的多姿態(tài)人臉識別方法,O 引 言
    人類利用生物特征識別的歷史可追溯到古代埃及人通過測量人體各部位的尺寸來進行身份鑒別，現(xiàn)代生物識別技術(shù)始于上世紀70年代中期，目前已經(jīng)成為發(fā)達國家普遍重視并大力發(fā)展的關(guān)鍵技術(shù)和產(chǎn)業(yè)。在生物認證
  • 關(guān)鍵字： 識別  方法  人臉  姿態(tài)  空間  基于  多姿態(tài)  人臉識別  PCA  歐氏距離  
共14條 1/1 1

pca介紹

　　一. 　　主成分分析 （ Principal Component Analysis ， PCA ）是一種掌握事物主要矛盾的統(tǒng)計分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質(zhì)，簡化復(fù)雜的問題。計算主成分的目的是將高維數(shù)據(jù)投影到較低維空間。給定 n 個變量的 m 個觀察值，形成一個 n ′ m 的數(shù)據(jù)矩陣， n 通常比較大。對于一個由多個變量描述的復(fù)雜事物，人們難以認識，那么是否 [ 查看詳細 ]

相關(guān)主題

PCA-6010　 PCA　

熱門主題

PCA    樹莓派    linux   
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473