搜索资源列表
PCA
- 用来进行主成分分析，实现数据压缩功能，也可以做特征提取与分类-Be used for principal component analysis, data compression, you can also do feature extraction and classification
pca
- 主成分分析程序，可用于数据降维及特征提取。-Principal component analysis procedures, can be used for data dimensionality reduction and feature extraction.
featureExtraction
- 该程序包实现了模式识别中的两个特征提取算法，主成分分析PCA和线性判别分析LDA。采用C++语言编写，开发环境VS。 程序包还提供了两个测试样本文件。-The package to achieve the recognition of the two feature extraction algorithm, principal component analysis PCA and linear discriminant analysis LDA. Using C++ language, dev
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
PCA
- 主成分分析的代码，降维的工具，特征提取降维的工具-PCA code
PCArtejfgds
- 在Matlab中，用PCA程序提取两个统计量：T2和Q从而应用在机械故障的预测中，我个人觉得还可以，希望大家指正。-In Matlab, with the PCA program to extract the two statistics: T2 and Q and thus used in the prediction of mechanical failure, I personally felt that I can and hope that we corrected.
pca
- pca主成分分析，matlab程序，用于图像特征提取，降维等 有中文注释-Principal component analysis
PCA
- PCA主成分分析算法用于人脸识别的例子。此算法是基于矩阵特征值的排序而提取出主要成分的。-PCA principal component analysis algorithm for face recognition example. This algorithm is based on the ranking of the matrix eigenvalue extracted principal components.
ComputeEigenfaces
- svd提取特征脸，Computer Vision课程作业，用PCA计算特征脸，提取主成分，用PCA系数进行相似度计算。-comupute face similarity using eigenface and PCA analysis
pca
- 主成分分析代码 用于图像数据处理、特征提取等作用，是基于matlab而编写的代码-PCA code
PCA
- LPA是主成分分析算法，用于特征提取和特征空间的降维-LPA code for feature
Principal-contens-analysis(PCA)
- 用于主成分分析（PCA）,包括，原变量相关系数矩阵的特征向量和特征值的求解，主成分的提取，载荷值的确定等-Used principal component analysis (PCA), including the original variable correlation matrix eigenvectors and eigenvalues of the solution, the main component of the extract, load value
tezhentiqu
- 论文使用一种经典的特征提取方法—主成分分析法（PCA）进行特征提取，其基本思想是降维。降维后的数据除了计算工作量减少之外不会减少原始数据所包含的有效信息量。-This paper use a classical method for feature extraction—Principal Component Analysis(PCA)with the basic idea of dimensionality reduction(it still contains all valid infor
pca
- pca（主成分分析）matlab实现，可以有效的提取数据的主元成分，降低数据矩阵的维数。-pca (Principal Component Analysis) Matlab implementation, can effectively extract data in the main ingredients, reduce the dimension of the data matrix.
PCASIFT
- PCA-SIFT的matlab源码，可以对图像的SIFT特征进行PCA主成成分提取，达到降维的目的-PCA-SIFT matlab source image SIFT features the PCA main into ingredients extracted achieve dimensionality reduction purposes
PCA
- PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序，他们是目前图像处理比较经典的特征提取方法-PCA (Principal Component Analysis) -matlab function of pca and ica of the signal
KL_SVD_face_recognition
- PCA主成分分析，采用KL投影和SVD分解提取人脸特征向量，最后采用最近邻判别法计算识别率。-Face recognition based on PCA. KL projection and SVD are used to extract face eigenvectors. Recognition rate is calculated by k nearest neighbors(KNN) method.
PCA
- 主成分分析与提取，PCA,matlab源代码-principal component analysis
PCA
- PCA主成分分析，提取主特征，降维处理(PCA principal component analysis is used to extract the main features and reduce the dimensionality)
基于PCA的SVM分类
- 选择“BreastCancer”数据集，使用支持向量机(SVM)对其进行分类。作为对比，第一次对特征集直接进行支持向量机分类，第二次对特征集进行主成分分析法的特征提取后，再对特征提取后的特征集进行支持向量机分类。并且对比和分析了两次分类的结果。(The BreastCancer data set is selected and classified by Support Vector Machine (SVM). For comparison, the first time the featur