搜索资源列表
mriwarp-1.52.tar
- This a collection of utilities for warping of MRI image volumes. See the man pages for documentation. The warp method is described in detail in the following paper Enhancing the Multivariate Signal of 15-O water PET Studies With a Ne
bayescode1
- 模式识别中，对于服从多元正态分布的样本的一个分类器的实现。-pattern recognition, obedience multivariate normal distribution of a sample of the classifier is achieved.
PCA-based_Similarity_Measurefor_Multivariate_Time_
- 2004 A PCA-based Similarity Measure for Multivariate Time Series.pdf 流行学习
skin_detect
- 先讀入膚色，非膚色的圖片，在將各張圖片由RGB轉成YCbCr。讀進來的時候，我是用四維的陣列去存膚色的圖片以及非膚色的圖片。第一個維度是用來存放有幾張圖片，接下來是解析度，還有幾個channel。讀進來之後再分別對膚色，非膚色的Cb，Cr來作統計。分別會得到Cb，Cr的mean和variance。再依次分別帶入Multivariate Normal Density的公式去求得膚色，非膚色出現的機率。最後再將得到的兩個機率值相除，得到的值，拿來和threshold值相比，藉此來判斷Input的圖的
CCA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的典型相关分析Matlab代码实现。-For feature reduction, feature fusion, correlation analysis, multivariate data analysis, canonical correlation analysis of Matlab code implementation.
DCCA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的鉴别型典型相关分析（DCCA）Matlab代码实现。-For feature reduction, feature fusion, multivariate data analysis and correlation analysis based identification of canonical correlation analysis (DCCA) Matlab code implementation.
GCCA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的广义典型相关分析（GCCA）Matlab代码实现。-For feature reduction, feature fusion, correlation analysis, multivariate data analysis using generalized canonical correlation analysis (GCCA) Matlab code implementation.
LDA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的fisher鉴别分析（FLDA）Matlab代码实现。-For feature reduction, feature fusion, correlation analysis, multivariate data analysis of the fisher discriminant analysis (FLDA) Matlab code implementation.
PCADR
- 用于特征降维人脸识别等多元数据分析的主分量分析投影的Matlab代码实现。-For feature reduction and other multivariate data analysis, face recognition principal component analysis projection of the Matlab code implementation.
Multi_gp
- 用来产生多变量高斯过程的MATLAB源程序。-MULTI_GP generates a multivariate Gaussian random process with mean vector m (column vector) and covariance matrix C。
Fuzzy-processing
- 聚类分析是多元统计分析的一种，也是无监督模式识别的一个重要分支，在模式分类 图像处理和模糊规则处理等众多领域中获得最广泛的应用。它把一个没有类别标记的样本按照某种准则划分为若干子集，使相似的样本尽可能归于一类，而把不相似的样本划分到不同的类中。硬聚类把每个待识别的对象严格的划分某类中，具有非此即彼的性质，而模糊聚类建立了样本对类别的不确定描述，更能客观的反应客观世界，从而成为聚类分析的主流。-Clustering analysis is a kind of multivariate statis
clusteranalysis
- 聚类分析是数理统计中的一种多元分析方法，它是用数学方法定量地确定样本的亲疏关系，从而客观地划分类型。-Cluster analysis is a mathematical statistics in the multivariate analysis method, it is to use mathematical methods to quantitatively determine the affinities of samples, which objectively classifie
liezhuyuan
- 高斯列主元消去法，用来解多元线性方程组，从而解决相关的方程组问题-Principal component Gaussian column elimination method used to solve a multivariate linear equations to solve the equations
minFunc_2012
- 最新的优化工具包：minfunc，用于多变量函数的无条件优化。-minFunc is a Matlab function for unconstrained optimization of differentiable real-valued multivariate functions using line-search methods.
imm4695
- 多元统计分析中的典型相关分析m代码,可用于多元变化检测，各种统计分析-M code of canonical correlation analysis of multivariate statistical analysis
Ms
- 多元统计领域里的40个案例，matlab 源代码与数据，源代码中有详细注释-The 40 cases in the field of multivariate statistical matlab source code and data, source code, detailed notes
Correl080
- 本软件适合工程技术人员及学生进行数据分析。适用范围广、输入界面简单方便、功能模块实用强大、操作简便易懂。 本软件可进行二元线性与非线性相关分析；多元线性与非线性相关分析；多元线性的相关矩阵分析；数理统计与误差分析；计算行列式的值、求解多元方程组；学习与研究函数的图形及特性；计算常用函数等等。例如：可对化验分析成果进行回归及误差分析、对地质物化探数据进行相关性分析、对测量数据进行误差分析、对社会调查数据进行统计分析等等。 -The software for engineering an
ml1
- 使用matlab实现的,基础单变量以及多变量梯度下降算法,和信号分类以及信号归一化部分算法，是机器学习领域最基本的代码，希望大家多多交流-matlab implementation of basic univariate and multivariate gradient descent and signal classification algorithms, machine learning basic code, hope that more exchanges
xinzhangxingtaixuexing2
- 背景:快速的将心脏按其特征进行聚类可为后续统计分析和研究带来很大的便利.系统聚类法是将样品或变量按照其性质上的亲疏相似程度进行分类的一种多元统计方法.目的:提出用主成分一聚类分析的方法来描述心脏形态学形状并进行分类,对中国健康成年人的心脏X射线测量的各项指标进行综合评价.方法:搜集了36例健康成年人的胸片,并用MxLiteView软件手动测量了每幅胸片中代表心脏形态学形状常用的10个指标,用Matlab软件对测量指标进行主成分分析,然后对提取出的主成分进行聚类.结果与结论:主成分分析后提取出3个
imm3620
- 多元变化检测（MAD）、最大自相关因子（MAF）、典型相关分析（CCA）、主成份分析（PCA）的Matlab代码-Matlab code to perform multivariate alteration detection (MAD) analysis, maximum autocorrelation factor (MAF) analysis, canonical correlation analysis (CCA) and principal component analysis (PC