搜索资源列表
mani
- 此代码是关于流形学习，数据降维，代码中含有的主要方法是PCA，KPCA，MDS，KMDS，Laplacian等等，且代码作了可视化处理，界面效果完美-This code is on the manifold learning, data dimensionality reduction, the main method code is contained in PCA, KPCA, MDS, KMDS, Laplacian, etc., and the code visualization ma
steven2358-kmbox-v0.11-0-g425fe66
- 核方法工具箱，包括核典型相关分析KCCA，KPLS等算法的源码和实现。-Kernel Methods Toolbox KMBOX includes implementations of algorithms such as kernel principal component analysis (KPCA), kernel canonical correlation analysis (KCCA) and kernel recursive least-squares (KRLS).
KPCA-ELM
- 基于Stprtool 工具箱进行KPCA降维，然后运行ELMS算法。-Stprtool calculation based on KPCA and then ELM algorithm prediction.
AKPCA
- 南京大学数据挖掘研究所提出的主动学习算法，对于改进KPCA有着重要的借鉴作用。-The active learning algorithm proposed data mining research institute of nanjing university, has an important reference for improving the KPCA.
KPCA
- 一个可以直接调用的kpca程序，自己修改的，证明可用的-One can directly call the KPCA program, modify their own, proven available
FNN与PCA和KPCA结合
- 一种特征提取方法：结合主元分析(PCA)和核主元分析（KPCA）的前馈神经网络（FNN）(A feature extraction method: the feedforward neural network (FNN) combined with principal component analysis (PCA) and kernel principal component analysis (KPCA))
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算
KPCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.