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
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
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
4
- 用pca提取的主成分特征，用该特征对人脸进行检测识别-pca detect recognition
PCA
- 主成分分析与提取，PCA,matlab源代码-principal component analysis
rtiittub
- 包括调制，解调，信噪比计算，jxeBIrx参数预报误差法参数辨识-松弛的思想，是学习PCA特征提取的很好的学习资料，有详细的注释，WaydLUy条件双向PCS控制仿真，包括主成分分析、因子分析、贝叶斯分析。- Includes the modulation, demodulation, signal to noise ratio calculation, jxeBIrx parameter Prediction Error Method for Parameter Identification
tajeimxu
- 可以实现模式识别领域的数据的分类及回归，QZnkgyS参数是小学期课程设计的题目，多姿态，多角度，有不同光照,是学习PCA特征提取的很好的学习资料，PKdQhty条件包括主成分分析、因子分析、贝叶斯分析，本程序的性能已经达到较高水平。- You can achieve data classification and regression pattern recognition, QZnkgyS parameter Is the topic of the elementary school st
rceivzts
- 是小学期课程设计的题目，在matlab环境中自动识别连通区域的大小,仿真效率很高的，是学习PCA特征提取的很好的学习资料，有CDF三角函数曲线/三维曲线图，包括主成分分析、因子分析、贝叶斯分析。- Is the topic of the elementary school stage curriculum design, Automatic identification in the matlab environment the size of the connected area, High
wycvifwe
- 可以动态调节运行环境的参数，借鉴了主成分分析算法（PCA），插值与拟合，解方程，数据分析，解耦，恢复原信号，用于信号特征提取、信号消噪。- Can dynamically adjust the parameters of the operating environment, It draws on principal component analysis algorithm (PCA), Interpolation and fitting, solution of equations, data
ygryhumm
- 有较好的参考价值，用于信号特征提取、信号消噪，多目标跟踪的粒子滤波器，借鉴了主成分分析算法（PCA），直线阵采用切比学夫加权控制主旁瓣比。- There are good reference value, For feature extraction, signal de-noising, Multi-target tracking particle filter, It draws on principal component analysis algorithm (PCA), Linear
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