特征向量
-
交通标志检测
交通标志检测 应用背景 道路交通系统 交通状况 驾驶员 危险与困难 规定速度 特殊路段 禁令标志 限速标志 禁止左右转弯标志 先进车辆辅助驾驶系统 ADAS 传感器 CCD摄像头 图像处理 模式识别 K均值聚类算法 图像分割算法 RGB颜色空间 HSI图像 光照噪声 归一化处理 数据挖掘 快速鲁棒性算法 SIFT 特征向量 平移 缩放 旋转不变性 光照变化 仿射 投影 特征点检测 方框滤波 Haar响应 欧氏距离匹配应用背景 交通标志在道路交通系统中占据重要地位，其主要作用为显示当前路段交通状况，提示驾驶员前方道路环境中的危险与困难，警告驾驶员按规定速度行驶，特殊路段禁止左右转弯或禁止停车等，为安全驾驶提供有利的保障。因此，交通标志的检测与识别是一个非常重要的课题，对防止道路交通事故，保障驾驶员的人身安全具有重要意义。 道路交通标志中，禁令标志主要起到禁止某种行为的作用，共43种，在交通标志中占据重要地位[14]。其中，限速标志及禁止左右转弯标志，对保障驾驶人的安全行驶具有重要意义，因此也是目前交通标志识别领域研 -
-
-
matlab代码实现PCA的步骤
PCA的步骤：1 先将数据中心化；2 求得的协方差矩阵；3 求出协方差矩阵的特征值与特征向量；4 将特征值与特征向量进行排序；5 根据要降维的维数d’，求得要降维的投影方向；6 求出降维后的数据； -
-
PCA算法程序设计步骤
PCA算法程序设计步骤：1、去均值2、计算协方差矩阵及其特征值和特征向量3、计算协方差矩阵的特征值大于阈值的个数4、降序排列特征值5、去掉较小的特征值6、去掉较大的特征值(一般没有这一步）7、合并选择的特征值8、选择相应的特征值和特征向量9、计算白矩阵10、提取主分量 -
应用9×9的窗口对上述图像进行随机抽样
（1）应用9×9的窗口对上述图象进行随机抽样，共抽样200块子图象；（2）将所有子图象按列相接变成一个81维的行向量；（3）对所有200个行向量进行KL变换，求出其对应的协方差矩阵的特征向量和特征值，按降序排列特征值以及所对应的特征向量；（4）选择前40个最大特征值所对应的特征向量作为主元，将原图象块向这40个特征向量上投影，所获得的投影系数就是这个子块的特征向量。（5）求出所有子块的特征向量。 -
特征值与特征向量的提取、训练样本以及最后的识别
包含特征值与特征向量的提取、训练样本以及最后的识别，本程序的性能已经达到较高水平，可以实现模式识别领域的数据的分类及回归。 -
-
