搜索资源列表
princomp
- 药物主成分的分析，包括特征值和特征向量的计算，用第一、第二主成分进行直观分析-Drug principal component analysis
FaceRecognition
- 人脸自动识别技术有着广阔的应用领域，本文提出用主成分分析和BP神经网络进行人脸识别。人脸识别包括两个部分：第一，特征提取；第二，神经网络进行识别-facedetection is developped widely.this paper combining the pca method and the neural network method.
createFaceEignDatabase
- 利用一个小样本人脸样本库创建数据库ar_test.mat中的训练样本数据和待测样本数据将生产的数据库文件.mat利用FDDL程序进行测试，分类；在程序最后先利用最短距离测试提取特征的效果本文利用SVD分解，并提取了每一幅图像的前3列特征向量（前三个主成分），共计3*200个特征向量，构成一个训练样本列元素最后的简单分类测试效果在90 ，区分度较好，能够适用于其他分类器实验..后续中，选取了第一主成分，发现识别率达到100 ；选取了前33个，反而低于了90 ，不知如何解释？-Using a sma
bianliangyierzhuchengfenronghe
- 对回转支承信号的处理，对时域内特征值得提取和主成分分析，计算第一主成分-For slewing ring signal processing, time domain feature extraction and principal component analysis is worth calculating the first principal component
pca
- 将图像进行主成分分析，并显示第一主成分，方法很好用的(The principal component analysis is performed and the first principal component is displayed.)
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