文件名称：主成分回归代码matlab及例子-dimensionality_reduction:应用PCA对人脸图像执行降维
文件大小：12.33MB
文件格式：ZIP
更新时间：2024-06-15 06:38:39
系统开源
主成分回归代码matlab及示例人脸图像的降维 在该项目中，应用于面部图像执行。 输出是输入图像的低维面部表示。 我们将使用一个由人脸图像组成的数据集，每个人脸图像都是32X32灰度图像。 该数据集基于该数据集的裁剪版本。 我正在学习“主成分分析”一章时，该项目是Coursera的一部分。 运行项目 确保已安装Octave / MATLAB 将项目克隆到本地计算机，然后在您最喜欢的支持Octave / MATLAB代码的IDE之一中将其打开 运行driver.m 首先加载数据集以进行可视化 然后，我们应用PCA来找到主要成分，并执行降维以将具有1024个特征的输入图像的尺寸减小到只有100个特征的较小图像尺寸。 这可以帮助加快我们的学习算法 然后，我们从“缩小后的图像”中恢复原始图像，我们称其为“恢复后的图像”。 现在，我们将恢复的图像和原始图像并置，以获取有关重要功能的见解。 从重建过程中，我们可以明显地观察到，保留了脸部的总体结构和外观，而丢失了细微的细节。 这是数据集大小的显着减少（超过10倍），可帮助显着加快我们的学习算法 如果您发现在计算机中部署项目时遇到任何问题，请告诉我。
【文件预览】：
dimensionality_reduction-master
----projectData.m(948B)
----driver.m(2KB)
----images()
--------sample_image.png(663KB)
--------top_eigen_vectors.png(507KB)
--------covariance_matrix.png(9KB)
--------reconstruction.png(898KB)
----cleanup.m(96B)
----recoverData.m(1006B)
----featureNormalize.m(315B)
----displayData.m(1KB)
----README.md(5KB)
----pauseProgram.m(91B)
----faces_dataset.mat(10.52MB)
----pca.m(297B)