摘要：
人脸识别的意义和进展（本文非原创，属拼凑备用）人脸识别是将静态图像或视频图像中检测出的人脸图像与数据库中的人脸图像进行对比 ,从中找出与之匹配的人脸的过程 ,以达到身份识别与鉴定的目的 , 它是同属于生物特征识别领域和人工智能领域的一个课题 。人脸识别是图像分析与理解的一种最成功的应用 , 因其在商业 、 安全 、 身份认证 、 法律执行等众多方面的广泛应用 ,以及对人脸识别可行性技术的三十多年研究 ,使其越来越得到重视 , 并逐渐成为一个充满活力的研究领域。人脸感知对于人类来说是一项常规任务 ,但是建立一种相似的计算机系统是一项一直在进行中的研究 。人们关于人脸识别的研究至少可以追溯至 20 阅读全文
摘要：
说明：摘自维基百科目录：感知器介绍历史结构感知器介绍 感知机（英语：Perceptron）是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈式人工神经网络，是一种二元线性分类器。 Frank Rosenblatt给出了相应的感知机学习算法，常用的有感知机学习、最小二乘法和梯度下降法。譬如，感知机利用梯度下降法对损失函数进行极小化，求出可将训练数据进行线性划分的分离超平面，从而求得感知机模型。 感知机是生物神经细胞的简单抽象。神经细胞结构大... 阅读全文
摘要：
1.方差方差是各个数据与平均数之差的平方和的平均数。（方差方差，就是平方了数据与平均数之差）在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。例子：1， 5 ，9 方差大 4，5，6方差就小。2.协方差在概率论和统计学中，协方差用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。期望值分别为E(X) = μ 与E(Y) = ν 的两个实数随机变量X与Y之间的协方差定义为：COV(X，Y)=E[(X-E(X))(Y-E(Y))]=EXY-EX*EY直观上来看，协方差表示的是两个变量总体误差的方差，这与只表示一个 阅读全文
摘要：
思想：多维 --> Fisher变换 --> 利于分类的一维1.已知：给定n维训练模式 x1,x2,...,xn,其中有N1和N2个模式分属w1和w2类（N1+N2=N)，分别记为{xj_(1)}和{xj_(2)}2.目标：我们希望通过Fisher变换之后，同一类的模式向量“距离”更近，而类之间的“距离”更远，这样达到更容易区分的目的。同一类的模式向量“距离”：类内离散度矩阵（类内离差阵）类之间的“距离”：类间离散度矩阵（类间离差阵）3.变换前的类内离散度矩阵和类间离散度矩阵变换前的类内离散矩阵Swi=sum_j（xj_(i)-mi)（xj_(i)-mi)'其中mi=1/N 阅读全文