搜索资源列表
pca.rar
- 人脸特征提取经典PCA方法的matlab源码，做这方面的朋友不妨试试。,Human Face Feature Extraction classic PCA method matlab source code, make friends in this area worth a try.
PCA
- 应用PCA进行特征提取和降维，可以应用于数据挖掘，机器学习，人脸识别上！-Application of PCA for feature extraction and dimensionality reduction can be applied to data mining, machine learning, face recognition on!
image-compression-with-PCA
- 对400幅灰度图像用分块PCA的方法进行压缩，进行通信时只用传输主元和特征向量。其中，pcaxiefangcha.m用于图像压缩，imresume.m用于图像恢复和部分图像的显示，chaweight.m用于绘制特征值比重-主元个数关系图，crdraw.m用于绘制压缩比-主元个数关系图，psnrdraw.m用于绘制总误差PSNR-主元个数关系图，psnrlocation.m用于绘制单幅图像误差PSNR分布图。-On the 400 block with a gray image compressi
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
pca
- 用MATLAB实现了基于pca的特征提取方法，有效地完成了识别，是识别的经典例子-Pca-based implementation using MATLAB feature extraction methods, efficient completion of the identification is to identify the classic example of
pca
- 神经计算的实验作业。用principle components analysis计算模式的主分量。提取线性输入的特征。-Neural computing experiment operations. Computing model using principle components analysis of the principal component
pca
- 该代码为PCA主成分分析，可用于特征选择，选取贡献最大的前三个主成分-The code for the PCA principal component analysis, can be used for feature selection, select the largest contribution to the first three principal components
Pca-extraction
- PCA成分分析检测程序代码，运用MATLAB编写，能够很好分析主要特征-PCA component analysis testing program code, written using MATLAB, to analyze the main features of good
pca-vector
- pca特征向量提取 利用pca的方法获取特征植及特征向量 最后可以自己根据需要降维-pca pca feature vector extraction method using characteristics of plants and to obtain the final feature vector dimension reduction can be their own as needed
PCA
- PCA算法。PCA的目的是找到能够分离出最大方差的方向，所以首先求原来所有数据三个维度上的协方差，然后求这个协方差的特征值，最大特征值为第一个方向，从此以此类推。-PCA algorithm. The purpose of PCA is to find able to isolate the direction of maximum variance, so first find all the data in three dimensions on the original covarianc
pca-matlab
- PCA又为主成分分析，是一种特征提取方法， 它通过线性变换寻找一组最优的单位正交向量基，用他们的线性组合来重构原样本-PCA and the main component analysis, a feature extraction method, which by finding a set of optimal linear transformation unit orthogonal base vectors, with their linear combination to recons
pca
- 主成分分析pca算法matlab程序代码：pca标准化、协方差、特征根特征向量、方差贡献率-Principal component analysis pca algorithm matlab code: pca standardized covariance, eigenvalues eigenvectors, the variance contribution rate. . .
palmprint-PCA
- 本程序是本人根据人脸识别PCA改进的，用于掌纹识别，是学习PCA特征提取的很好的学习资料。-I based this program is to improve the face recognition PCA for palmprint identification, PCA feature extraction is to learn a good learning materials.
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)
pca
- 用户可以选择/输入，减少数据集的特征数。(User can choose/input the no.of features in the reduced Dataset.)
MNIST-PCA
- 使用PCA算法分析MNIST 手写字符训练样本。 结果分别生成以2、5、10个PCA主成分的重构图像以及10个主成分特征向量的对应图像。(Implement PCA algorithm on MNIST dataset and calculate the class PCA on each digit separately.)
PCA-master
- PCA降维 无监督特征提取 参考文献：Paper used - http://cs229.stanford.edu/notes/cs229-notes10.pdf(PCA # PCA - Unsupervised feature extraction technique Paper used - http://cs229.stanford.edu/notes/cs229-notes10.pdf)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。
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
基于PCA和SVM的人脸识别系统
- 先通过图像处理提取人脸的各个特征，然后对人脸通过PCA进行降维，然后通过SVM进行人脸识别(Firstly, the features of human face are extracted by image processing, then the dimension of human face is reduced by PCA, and then the face is recognized by SVM)