搜索资源列表
PCA
- pca降维算法，通过特征值对来进行大数据降维-pca algrithm
pca
- pca降维，实现机器学习中的降维。 pca降维，实现机器学习中的降维。 pca降维，实现机器学习中的降维。 pca降维，实现机器学习中的降维。-Descr iption of PCA, realizing the PCA code
PCA
- 此算法是很好的PCA降维方法, 此算法是很好的PCA降维方法.-This algorithm is a good function of PCA.
PCA_gabor_svm
- Gabor小波变换和PCA降维在用SVM分类(Gabor wavelet transform and PCA dimension reduction are classified in SVM)
fastPCA
- 采用了一种较为快速地方法对矩阵PCA降维,.......(a fast version PCA for matrix)
LLE
- lle降维，可以参考非线性降维的方法，感觉没lda好用，比pca还行(LLE dimension reduction)
pca
- princa，用于pca主成分降维：计算第k主成份贡献率-累计贡献率-取累计贡献率大于等于90%的主成分(For PCA principal component dimensionality reduction: calculate the principal component contribution rate of K - the cumulative contribution rate - take the cumulative contribution rate greater tha
pca
- pca是主成分分析，提取特征，对数据进行降维处理(PCA is principal component analysis, which extracts features and processes the data in reduced dimension)
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
- 简单的数据降维算法（PCA）举例，构造随机的10维数据，降维成3维的。Sample可替换成用户数据(Examples of simple data reduction algorithms (PCA) are presented)
PCAjiangwei
- Gabor提取人脸图像特征后，PCA进行降低维数，(After Gabor extracts image features, PCA reduces dimensionality)
PCA-ICA
- 实现了主元分析（PCA）和独立分量分析（ICA）相关信号处理。非线性降维。(Implements Principal Component Analysis (PCA) and Independent Component Analysis (ICA) correlation signal. Non-linear dimension reduction using kernel PCA.)
gpldecha-e-pca-d542a9b
- PCA是一种非线性降维方法特别适合于概率分布，得到了指数族PCA的POMDPs压缩。(Matlab implementation of E-PCA which is a non-linear dimensionality reduction method particularly suited for probability distributions, see the paper Exponential Family PCA for Belief Compression in POMDPs.)
PCA
- 主成分分析主要进行降维处理，以减小变量数目和使信号独立(Principal component analysis mainly reduces dimensionality to reduce the number of variables and make the signal independent)
PCA
- PCA 算法演示 主要用于数据进行降维处理(PCA suanfa zhuyaoyongyushujujinxingjiangweichuli)
PCA
- 非常经典的特征提取算法，经常用来做降维方法，但是也可以直接用来做特征提取，很适合图像处理入门，在人脸识别也经常用到(Very classic feature extraction algorithm, often used to do dimensionality reduction methods, but can also be used directly to do feature extraction, it is suitable for image processing, in fa
PCA
- 2种主成分分析方法，高光谱降维，基于实测光谱数据，光谱解混(endmember extraction matlab)
pca
- 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，
knn
- 首先对minist数据集进行pca降维，然后对降维后的数据进行KNN分类(First, the Minist data set is reduced by PCA, and then the data of the reduced dimension is classified by KNN)
PCAmnist
- 经典PCA降维算法，通过最大方差提取特征(Classical PCA algorithm)