主成分分析方法及其核函数在模式识别中的应用--基于MATLAB或C++语言的实现

前言
第1章 基于多元统计学的模式识别方法综述
1.1 模式识别综述
1.1.1 基本概念
1.1.2 发展历程
1.1.3 特点
1.1.4 模式识别的应用
1.2 状态监测与故障诊断综述
1.3 主元成分分析PCA方法
1.3.1 主元成分分析方法的综述
1.3.2 主元成分分析的概念
1.3.3 主元成分分析的优缺点
1.3.4 主元成分分析的应用
1.3.5 主元成分分析的假设和局限
1.4 核主元成分分析KPCA方法
1.4.1 核主元成分分析的文献综述
1.4.2 核主元成分分析的概念
1.5 两种常用方法PCA与KPCA的比较
参考文献
第2章 主元成分分析在人脸识别中的应用
2.1 人脸识别技术的研究现状
2.2 人脸图像的预处理
2.3 人脸特征提取与识别方法
2.3.1 基于主成分分析的人脸特征提取方法
2.3.2 基于 小欧氏距离的人脸识别方法
2.4 GUI界面设计
2.5 ORL人脸数据库识别测试仿真
2.6 人脸识别实例研究
2.7 MATLAB程序代码
参考文献
第3章 主元成分分析在火焰燃烧状态识别中的应用
3.1 火焰识别技术的研究现状
3.1.1 引言
3.1.2 研究现状
3.1.3 内容框架
3.2 主元成分分析的图像识别方法
3.2.1 用于图像识别的主成分分析方法
3.2.2 火焰图像特征构造
3.2.3 火焰图像识别方法
3.3 PCA在火焰燃烧状态识别中的应用
3.3.1 锅炉火焰图像数据处理
3.3.2 火焰燃烧图像检测
3.3.3 MATLAB程序代码
3.4 基于C++语言的火焰识别系统设计
3.4.1 Opencv图像处理库的环境配置
3.4.2 火焰检测
3.4.3 火焰识别
3.4.4 火焰识别系统效果
3.4.5 C++语言实现PCA火焰状态识别程序代码
3.5 基于树莓派实现火焰燃烧状态识别系统实现