搜索资源列表
PCAandLDA
- 用pca 和 lda 实现数据的降维,加快机器的特征提取的速度。-Pca and lda of data with dimension reduction, feature extraction to speed up the speed of the machine.
pca2
- PCA 主成分分析 特征抽取 特征降维 matlab实现-PCA principal component analysis feature extraction dimension reduction
Face-recognition-method
- 基于PCA 和BP 神经网络的人脸识别方法是针对 PCA 方法中存在的高维数问题和它对未训 练过的样本识别率低的缺点而提出的。该方法在预处理的基础上，利用粗糙集对 PCA 降维处理后的人脸特征进行约简，提取其中分类能力强的特征，实现在识别精度不变的情况下，有效的去除冗余信息；然后将约简后的属性输入到神经网络进行规则提取，利用神经网络非线性映射和并行处理的特点，增强对人脸图像识别的泛化能力。实验证明，使用该方法在识别率上有一定的提高-Face recognition method based
TE_PCA
- PCA:主元分析。进行降维，实现TE化工过程特征提取。-PCA: principal component analysis. Dimensionality reduction, feature extraction chemical process to achieve TE.
bh_tsne.tar
- 本代码实现TSNE降维，首先利用PCA进行主成分分析，选取何时的特征再降维-dimension reduction for TSNE，we first use Principal Component Analysis to dimension reduction.
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
svgwsekw
- 对于初学matlab的同学会有帮助，用于特征降维，特征融合，相关分析等,LDPC码的完整的编译码，实现了对10个数字音的识别程序借鉴了主成分分析算法（PCA），ICA（主分量分析）算法和程序，保证准确无误，是学习通信的好帮手。- Matlab for beginner students will help, For feature reduction, feature fusion, correlation analysis, Complete codec LDPC code, Realizat
tpwznini
- 鲁棒性好，性能优越，matlab编写的元胞自动机，滤波求和方式实现宽带波束形成，使用拉亚普诺夫指数的公式，用于特征降维，特征融合，相关分析等,是学习PCA特征提取的很好的学习资料，真的是一个好程序。- Robustness, superior performance, matlab prepared cellular automata, Filtering summation way broadband beamforming, Raya Punuo Fu index using the for
rhptetye
- 用于特征降维，特征融合，相关分析等,结合PCA的尺度不变特征变换(SIFT)算法，可以实现模式识别领域的数据的分类及回归，基于人工神经网络的常用数字信号调制，基于欧几里得距离的聚类分析，有循环检测，周期性检测。- For feature reduction, feature fusion, correlation analysis, Combined with PCA scale invariant feature transform (SIFT) algorithm, You can achi
qpapyfhz
- 用于特征降维，特征融合，相关分析等,用MATLAB实现的压缩传感，最终的权值矩阵就是滤波器的系数，包含特征值与特征向量的提取、训练样本以及最后的识别，阵列信号处理的高分辨率估计，借鉴了主成分分析算法（PCA）。- For feature reduction, feature fusion, correlation analysis, Using MATLAB compressed sensing, The final weight matrix is ??the filter coefficie
pca_fld
- 这是主成分分析pca和fld的代码，主要实现特征降维。(This is the principal component analysis of pca and fld code, the main feature reduction dimension.)