搜索资源列表
orl_PCA
- 主成分分析法源码，可用于提取主成分，识别率百分之九十-the PCA code
FaceRecognition
- 人脸自动识别技术有着广阔的应用领域，本文提出用主成分分析和BP神经网络进行人脸识别。人脸识别包括两个部分：第一，特征提取；第二，神经网络进行识别-facedetection is developped widely.this paper combining the pca method and the neural network method.
pca
- 主成分分析（Principal Copmponent Analysis，简称PCA）是一种常用的机遇变量协方差矩阵对信息进行处理、压缩和提取的有效方法。主成分分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，能够发掘出隐藏在复杂数据背后的简单结构。-PCA (Principal Copmponent Analysis, abbreviated PCA) is a commonly used covariance matrix Opportunity
HRPCA
- 能够检测异常值 数据降维 特征提取 鲁棒主成分分析方法-Robust PCA
clear-all
- 基于pca的图像提取研究 主成分特征提取研究 可用于matlab-Extraction of image feature extraction based on principal component can be used to study pca matlab
pca
- 用于各种特征提取主成分分析法，如表情提取，人脸提取，识别分类等-For a variety of features to extract the principal component analysis (pca)，Such as expression extraction, face extraction, identification classification, etc
pca
- 自己编写的主成分分析法的代码，可用于定位中特征的提取-Write your own code of principal component analysis (pca), can be used to locate in feature extraction
yengliu_V8.1
- 重要参数的提取，借鉴了主成分分析算法（PCA），LZ复杂度反映的是一个时间序列中。- Extract important parameters, It draws on principal component analysis algorithm (PCA), LZ complexity is reflected in a time sequence.
laibao
- LZ复杂度反映的是一个时间序列中，重要参数的提取，借鉴了主成分分析算法（PCA）。- LZ complexity is reflected in a time sequence, Extract important parameters, It draws on principal component analysis algorithm (PCA).
tieben
- 用于信号特征提取、信号消噪，借鉴了主成分分析算法（PCA），LCMV优化设计阵列处理信号。- For feature extraction, signal de-noising, It draws on principal component analysis algorithm (PCA), LCMV optimization design array signal processing.
pca22
- pca数据的降维，提取99 的主成分.可以直接进行使用进行数据的分类-To reduce the dimensions of the data
pca
- pca是主成分分析，提取特征，对数据进行降维处理(PCA is principal component analysis, which extracts features and processes the data in reduced dimension)
PCA
- 该程序可以实现数据的主成分提取，以及相关系数矩阵，得分矩阵，还有T^2统计量，可视化效果好。(The program can achieve the main component extraction of data, as well as correlation coefficient matrix, scoring matrix, as well as T^2 statistics, visual effect is good.)
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
ML
- GMM高斯混合模型EM算法聚类，PCA主成分分析，以及从人脸图像中提取主成分(GMM Gauss hybrid model EM algorithm clustering, PCA principal component analysis, and extraction of principal components from face images)