搜索资源列表
KPCA
- 为解决PCA不适合多指标综合分析中非线性主成分分析的问题 ,采用核主成分分析 (kpca)方法 ,对我国不同地区 16种腐乳的品质进行了综合评价。 -PCA is not suitable to address the many indicators of a comprehensive analysis of non-linear principal component analysis of the problem, using Kernel Principal Component An
kpca
- 核主成分分析 把图像投影到核空间上进行主成分分析 抽取特征向量进行识别-KPCA
liek2dpca
- 二维核主成分分析 把图像的列投影到核空间上进行主成分分析 抽取特征向量进行识别-K2DPCA
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
k2dpca
- 简单的核主成分分析算法，主要用于基于能量图的步态特征提取-gait recognized
kernelpca
- 核主成分分析子函数sample,可用于故障检测中-KPCA sample
KPCA
- 核主成分分析KPCA算法，经过核变换将样本映射到线性可分的高维空间，再进行PCA降维。包括训练、测试、识别整个过程-KPCA kernel principal component analysis algorithm through nuclear transformation samples are mapped to linearly separable high-dimensional space, then PCA dimensionality reduction. Including