搜索资源列表
一个 PCA 算法的matlab程序
- 主成分分析（PCA)算法是用于简化数据的一种技术,对于某些复杂数据就可应用主成分分析法对其进行简化。-principal component analysis (PCA) algorithm is used to simplify the technology of data, For some complex data can be applied Principal Component Analysis streamline its.
pca
- 应用PCA（主成分分析）进行人脸识别的matlab程序，有较高成功率-PCA (Principal Component Analysis) face recognition Matlab procedures, which have a higher success rate
PCA-method-for-fault-diagnosis-routine-five(includ
- 用于故障诊断的PCA方法例程5个(含KPCA)，利用PCA（主元分析）方法或者KPCA方法，进行工业系统的故障诊断程序，有详细的注释说明-PCA method for fault diagnosis routine five (including KPCA), using PCA (principal component analysis) method or KPCA method, industrial process fault diagnosis, a detailed explanat
pcafacerecognition
- 基于主成分分析(PCA)的人脸识别系统 利用2D PCA算法求对训练集向量进行降维的降维矩阵，最近邻法测试对测试集识别的精度-pca face recognition
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
LDA
- matlab线性判别分析函数，首先需要用PCA进行数据压缩，然后提前特征变量，进行判别分析-Matlab for LDA
nnpca
- 利用主分量分析(PCA)进行模式识别，包括主分量分析运算的主要函数，以及相关应用的例子。-Using principal component analysis (PCA) for pattern recognition, including the principal component analysis of the main function of computing, and related application examples.
PCA
- 用MATLAB编写的人脸识别算法，对PCA主成分分析进行了改进-Face recognition algorithm using MATLAB, the PCA principal component analysis has been improved
GUI-PCA
- 自己写的matlab GUI界面，可进行PCA分析及LDA分类，附有光谱数据模拟-Write your own matlab GUI interface of PCA and LDA can be classified with spectral data simulation
isuhjuiu
- 应用小区域方差对比，程序简单，对信号进行频谱分析及滤波，isodata 迭代自组织的数据分析，是学习PCA特征提取的很好的学习资料，相关分析过程的matlab方法，迭代自组织数据分析。- Application of small area variance comparison, simple procedures, The signal spectral analysis and filtering, Isodata iterative self-organizing data analysi
canxtqyi
- 对信号进行频谱分析及滤波，是学习PCA特征提取的很好的学习资料，这个有中文注释，看得明白，通过matlab代码，感应双馈发电机系统的仿真，相关分析过程的matlab方法。- The signal spectral analysis and filtering, Is a good learning materials to learn PCA feature extraction, The Chinese have a comment, understand it, By matlab code
jbhmyhax
- DC-DC部分采用定功率单环控制，仿真效果非常好，借鉴了主成分分析算法（PCA），阵列信号处理的高分辨率估计，线性调频脉冲压缩的Matlab程序,利用自然梯度算法，对信号进行频谱分析及滤波。- DC-DC power single-part set-loop control, Simulation of the effect is very good, It draws on principal component analysis algorithm (PCA), High-resolutio
wdjhyamm
- 用于特征降维，特征融合，相关分析等,在matlab R2009b调试通过，用于建立主成分分析模型，滤波求和方式实现宽带波束形成，结合PCA的尺度不变特征变换(SIFT)算法，各种kalman滤波器的设计，对信号进行频谱分析及滤波。- For feature reduction, feature fusion, correlation analysis, In matlab R2009b debugging through, Principal component analysis model f
wgaawrzw
- 是学习PCA特征提取的很好的学习资料，在matlab环境中自动识别连通区域的大小,对信号进行频谱分析及滤波，从先验概率中采样，计算权重，有详细的注释，具有丰富的参数选项。- Is a good learning materials to learn PCA feature extraction, Automatic identification in the matlab environment the size of the connected area, The signal spectra
apjzwngm
- IMC-PID是利用内模控制原理来对PID参数进行计算，GSM中GMSK调制信号的产生，LCMV优化设计阵列处理信号，借鉴了主成分分析算法（PCA），matlab小波分析程序，阵列信号处理的高分辨率估计，实现了对10个数字音的识别程。- The IMC- PID is using the internal model control principle for PID parameters is calculated, GSM is GMSK modulation signal generati
smhhbpys
- 基于互功率谱的时延估计，含噪脉冲信号进行相关检测,matlab编写的元胞自动机，matlab小波分析程序，在MATLAB中求图像纹理特征，是学习PCA特征提取的很好的学习资料，双向PCS控制仿真。- Based on the time delay estimation of power spectrum, Noisy pulse correlation detection signal, matlab prepared cellular automata, matlab wavelet anal
wmmgqizy
- 模式识别中的bayes判别分析算法，进行波形数据分析,基于SVPWM的三电平逆变的matlab仿真，有PMUSIC 校正前和校正后的比较，包括AHP，因子分析，回归分析，聚类分析，对信号进行频谱分析及滤波，借鉴了主成分分析算法（PCA），保证准确无误，是学习通信的好帮手。- Pattern Recognition bayes discriminant analysis algorithm, Waveform data analysis, Based on SVPWM three-level in
MATLAB_PCA
- 利用MATLAB进行主成分分析代码，利用MATLAB自带主成分分析函数进行主成分分析，只有湘西注释。(Using MATLAB for principal component analysis code, using MATLAB with principal component analysis function for principal component analysis, only Xiangxi Notes.)
matlab
- 用于脑电信号分析的matlab算法，对数据进行PCA处理及SVM分类。(The matlab algorithm for EEG signal analysis performs PCA processing and SVM classification on data.)
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