搜索资源列表
a
- 基于非负矩阵分解（NMF）的人脸特征提取算法，NMF基本思想是找到一个线性子空间W，使的构成子空间的基本图像的像素点都是正值，而且人脸图像在子空间上的投影系数也是正数-Non-negative Matrix Factorization (NMF) of facial feature extraction algorithm, NMF basic idea is to find a linear sub-space W, so that the composition of sub-space o
matrixcompletion
- Matrix completion using space projection algorithm.
feisher
- PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据； -PCA steps: 1 of the first data center 2 covariance matrix obtained 3 obtained covariance matrix eigenvalues and eigenvectors 4
homework
- 双目视觉三维重建程序，输入左右相机匹配点对矩阵，自动计算投影矩阵，并输出射影空间下的三维点坐标-Binocular vision three-dimensional reconstruction program, enter the matching points on the matrix around the camera to automatically calculate the projection matrix, and output under the three-dimensio
projection_matrix_estimation
- Two functions for projection matrix estimation (the two methods can be found in Trucco).
linproj
- 模型是结构体类型的线性投影Y = linproj(X, model) 其中W.model为线性投影矩阵， Y = model.W *X + model.b b为偏差值- Descr iption: Y = linproj(X, model) linearly projects data in X such that Y = model.W *X+ model.b out_data = linproj(in_data, model) projects
ComSam
- Compressive Sampling是最近讨论非常热烈的数据处理方法。用一个与变换基不相关的观测矩阵将变换所得到的高维信号投影到一个低维空间上，然后通过优化求解从这些少量的投影中以高概率重构出原信号。-Compressive Sampling is a very lively discussion of recent data processing method. A base with the transformation matrix will not change the releva
tououyingjuzhen
- 投影重建中一种据算投影矩阵的方法，用于代数迭代重建中-According to calculate a projection reconstruction projection matrix method Used for algebra iterative reconstruction
MIMORadarDOAEstimation
- MIMO雷达模型下一种子空间谱估计方法，采用过估计的方法，以避免信源数估计的问题，直接对数据协方差矩阵进行变换，从而构造了信号子空间投影矩阵和噪声子空间投影矩阵，不需要像经典的MUSIC一样对其进行特征分解，完全避开了在一般非理想情况下MUSIC算法必须面对的识别小特征值与大特征值的麻烦，降低了复杂度，而且该方法不受快拍数的影响，在相干源情况下也能准确的估计目标的入射角，不会出现伪峰。-A subspace based DOA (Direction-Of-Arrival) estimation
Generate_SystemMatrix
- 本程序在matlab中运行。 Generate_SystemMatrix是一个计算OSEM，MLEM迭代图像算法中系统矩阵的函数，其用法Generate_SystemMatrix（pixel），为所要重建图像的大小，一般为64,128,256，pixel也大运算越慢。 里面的diedai-test文件是一个简单的MLEM重建算法，其中要加载SystemMatrix矩阵就是Generate_SystemMatrix(128)的结果，注意如果要运行diedai-test，生成的系统矩阵名
DesignProjection
- 该程序实现了压缩感知理论中采用矩阵的优化。在压缩感知理论中，要求采样矩阵与稀疏矩阵的相关性越低越好。该代码采用一种交替投影的方法实现采用矩阵的优化，有效降低其相关性。-The program to achieve the optimization of the use of matrix theory compressed sensing. Requirements of the sample matrix and sparse matrix theory of compressed sensi
RAGA_PPC
- 投影寻踪方法是对研究变量乘以一个列向量矩阵，进行相应的线性变换，从而达到投影的目的。投影指标函数是用来衡量投影效果的一个标准，实现高维特征量的低维表示。对每一个投影方向都有一个目标值，用此目标值构造此方向的适应度函数，用遗传算法的操作来实现适应度高的投影方向之间的优化重组。-Projection Pursuit method is the study variables multiplied by a column vector matrix corresponding linear trans
pcg
- PCG Preconditioned Conjugate Gradients Method is a replacement of the standard built-in PCG code. Two new options are implemented: flex and null . The flex option changes the standard PCG algorithm into the flexible one. It allows using sophisticated
fisher
- 模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。因此，它是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。就是说，它能够保证投影后模式样本在新的空间中有最小的类内距离和最大的类间距离，即模式在该空间中有最
fjgapjya
- 包含位置式PID算法、积分分离式PID，数据模型归一化，模态振动，多元数据分析的主分量分析投影，基于分段非线性权重值的Pso算法，一种噪声辅助数据分析方法,最终的权值矩阵就是滤波器的系数。- It contains positional PID algorithm, integral separate PID, Normalized data model, modal vibration, Principal component analysis of multivariate data ana
qanben
- 有详细的注释，AHP层次分析法计算判断矩阵的最大特征值,多元数据分析的主分量分析投影。- There are detailed notes, Calculate the maximum eigenvalue judgment matrix of AHP, Principal component analysis of multivariate data analysis projection.
yeikan_v31
- AHP层次分析法计算判断矩阵的最大特征值,多元数据分析的主分量分析投影，给出接收信号眼图及系统仿真误码率。- Calculate the maximum eigenvalue judgment matrix of AHP, Principal component analysis of multivariate data analysis projection, The received signal is given eye and BER simulation systems.
yengming
- 多元数据分析的主分量分析投影，AHP层次分析法计算判断矩阵的最大特征值,主同步信号PSS在时域上的相关仿真。- Principal component analysis of multivariate data analysis projection, Calculate the maximum eigenvalue judgment matrix of AHP, PSS primary synchronization signal in the time domain simulation r
SOGFS_aaai16
- Structured Optimal Graph Feature Selection 对图像样本进行特征选择，使用自学习算法，然后得出相似度矩阵S(% Input % X: dim*num data matrix % gamma: coefficient of L21 % d: projection dim of W(dim*d) % c: number of clusters % k: nearest neighobrs %Output %id: sorted featu