搜索资源列表
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
ICA
- 独立变量矢量化分析的一些算法，希望能有所帮助-ICA
Matlab-Project
- 主成分分析(PCA)是一个数学的过程,它使用一个正交变换转换成一组观测到的可能相关的因素形成一套价值观的独立变量称为主成分。主成分的数量小于或等于原始变量的数目 -Principal component analysis (PCA) is a mathematical procedure that uses an orthogonal transformation to convert a set of observations of possibly correlated variable
bootgmregress
- 自举是一种由重采样估计，独立和（蒙特卡洛重采样）等概率设置一个单一的数据统计变化的一个途径。允许的措施估计那里的潜在分布是未知的或者样本量很小。他们的结果与这些分析方法的统计特性相一致。 在这里，我们使用非参数逼近。非参数引导更简单。它不使用该模型的结构，建造人工数据。矢量[易西]是重采样，而不是直接与replecement。这些参数是从这些对构建。 二，回归模型时，应使用在回归方程中的两个变量是随机的，会有错误的，即不是由研究者控制。模式，我用普通最小二乘回归低估了变量之间的错误时，
fastICA
- 基于独立变量分析的快速ICA算法分离母体与胎儿心电信号-Based on independent analysis of the fast ICA algorithm variable maternal and fetal ECG separation
IVA
- 独立向量分析（IVA）是对独立成分分析（ICA）算法的一种扩展，将ICA中的单变量成分扩展为多维变量成分，可有效避免卷积盲源分离过程中的排序模糊性问题。-Independent vector analysis (IVA), a multivariate extension of independent component analysis, tackles the convolutedly mixed blind source separation (BSS) problem in a wa
AHP
- 层次分析法matlab源程序，独立变量为一个m文件，方便替换成各种数据-Analytic hierarchy process (ahp) matlab source, independent variable is a m file, convenient to replace all kinds of data
FastICA_25
- 快速独立分量分析,应用程序，一键完成运算。该算法采用牛顿迭代算法对测量变量X的大量采样点进行批处理，每次从观测信号中分离出一个独立分量，是独立分量分析的一种快速算法。-Fast independent component analysis, application, a key to complete the operation. The algorithm uses the Newton iterative algorithm to batch the large number of samp
EASI
- 独立变量分析，主成分分析，盲源分离经典算法，屡试不爽-ICA BSS
PCA
- 主成分分析主要进行降维处理，以减小变量数目和使信号独立(Principal component analysis mainly reduces dimensionality to reduce the number of variables and make the signal independent)
MIToolbox
- 独立分量分析是一种统计和计算技术，用于揭示随机变量、测量数据或信号中的隐藏成分。(In ICA, multi-dimensional data is decomposed into components that are maximally independent in an appropriate sense (kurtosis and negentropy, in this package).the ICA components have maximal statistical indepe