摘要：
1.链接推荐关于理解PCA的推荐链接：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/08/lda-and-pca-machine-learning.html关于理解SVD的推荐链接：http://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html2.PCA简介 主成分分析 （ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复. 阅读全文
摘要：
转自：http://www.cnblogs.com/ryanlaw/archive/2012/02/05/2339250.htmlHOG descriptors 是应用在计算机视觉和图像处理领域，用于目标检测的特征描述器。这项技术是用来计算局部图像梯度的方向信息的统计值。这种方法跟边缘方向直方图（edge orientation histograms）、尺度不变特征变换（scale-invariant feature transform descriptors） 以及形状上下文方法（ shape contexts）有很多相似之处，但与它们的不同点是：HOG描述器是在一个网格密集的大小统一的细胞 阅读全文
摘要：
1.算法简介 LBP是一种简单，有效的纹理分类的特征提取算法。LBP算子是由Ojala等人于1996年提出的，主要的论文是"Multiresolution gray-scale and rotation invariant texture classification with local binary patterns", pami, vol 24, no.7, July 2002。LBP就是"local binary pattern"的缩写。 关于论文的讲解可参考链接 http://blog.sina.com.cn/s/blog_916b71bb01 阅读全文