搜索资源列表
KKPCA
- 用核主成成分分析法对数据的降维，根据降维结果可选择最合适的维数-Kernel principal component analysis with the data dimension reduction method, based on the results of dimension reduction can choose the most appropriate dimensions
kpca_toy
- 基于核主成分分析方法设计的分类器 分类器可用于对非线性数据分类非原创- Kernel PCA non linear class
KPCA
- 核主成分分析是一种流行的非线性特征提取方法- Kernel principal component analysis is a popular nonlinear feature extraction method
kpca
- 核主成分分析方法是主成分分析的改进算法，其采用非线性方法提取主成分-Kernel principal component analysis method is an improved algorithm of principal component analysis, which uses a nonlinear principal components extracted
PCAPkPCA_v3.1
- 主成分分析与核主成分分析的MATLAB程序-Program for PCA and K-PCA with MATLAB
kernelpca_tutorial
- 核主成分分析的MATLAB代码，很好用的-Kernel principal component analysis by matlab
nystrom_extension
- 是一个关于核主成分分析的MATLAB代码。-It is a MATLAB code on Kernel Principal Component Analysis.
ty073
- 用于建立主成分分析模型，利用贝叶斯原理估计混合logit模型的参数，采用热核构造权重。- Principal component analysis model for establishing, Bayesian parameter estimation principle mixed logit model, Thermonuclear using weighting factor.
程序
- 以稀疏子空间聚类以及低秩子空间聚类等基本谱聚类算法为基础，通过 运用核映射算法，融合与数据本身结构相关的局部切线空间函数以及主成分分析 算法建立了可以应对独立子空间聚类、非独立子空间聚类、非线性聚类、混合多 流体聚类问题以及多种含有大数据量的实际问题，包括处理运动分割、人脸识别、 工件识别等情况中的多种类型数据分类的聚类算法，并且引入 Map-Reduce 并行处 理方法优化了算法的计算效率(Based on the basic spectral clustering algorith
kPCA_v3.1 (1)
- KPCA用于数据特征的降维，先通过核方法，将样本映射到高维空间，再进行主成分分析过程。(KPCA is used to reduce the dimension of data, first through the kernel method, the sample is mapped to high-dimensional space, and then the principal component analysis process.)