当前位置：
首页 资源下载
搜索资源 - pca classification
搜索资源列表
-
0下载：
一个简单的人脸识别系统，使用了pca主成分分析，并且使用了余弦距离分类器分类，查看分类的效果-A simple face recognition system, using pca principal component analysis, and the use of the cosine distance classifiers to view classification results
-
-
0下载：
Relief计算分类权重，借鉴了主成分分析算法（PCA），结合PCA的尺度不变特征变换(SIFT)算法。- Relief computing classification weight, It draws on principal component analysis algorithm (PCA), Combined with PCA scale invariant feature transform (SIFT) algorithm.
-
-
0下载：
Relief计算分类权重，Gabor小波变换与PCA的人脸识别代码，在matlab环境中自动识别连通区域的大小。- Relief computing classification weight, Gabor wavelet transform and PCA face recognition code, Automatic identification in the matlab environment the size of the connected area.
-
-
2下载：
用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
-
-
0下载：
代码分为两部分，训练和测试，1、将训练图像的地址保存在taining_set.txt文件中，2、分别对训练图像进行预处理和特征提取，提取图像的LBP纹理图，再使用PCA方法进行降维。3、使用cvSVN进行分类-Face recognition
The code is divided into two parts, training and testing, 1, the training image is stored in the taining_set.txt file, 2, resp
-
-
0下载：
MATLAB算法库，包含K均值聚类-分类模型，logistics回归-用于决策，非线性拟合，回归分析模型，支持向量机SVM-用于分类决策，主成分分析PCA-用于决策，TXT格式，适用于数学建模-MATLAB algorithm library, including K-means clustering- classification model, logistics regression- for decision making, nonlinear fitting, regression an
-
-
2下载：
人脸表情识别matlab程序PCA+SVM算法，SVM分类-orL人脸数据库有数据有图片-Facial expression recognition matlab program PCA+SVM algorithm, SVM classification-orL face
-
-
0下载：
基于PCA法的Iris数据分类，最小距离法，模式识别-Iris PCA based data classification method, the minimum distance method, pattern recognition
-
-
0下载：
可以实现模式识别领域的数据的分类及回归，借鉴了主成分分析算法（PCA），电力系统暂态稳定程序，可以进行暂态稳定计算。- You can achieve data classification and regression pattern recognition, It draws on principal component analysis algorithm (PCA), Power System Transient Stability Program, can be transient s
-
-
0下载：
是学习PCA特征提取的很好的学习资料，Relief计算分类权重，计算多重分形非趋势波动分析matlab程序。- Is a good learning materials to learn PCA feature extraction, Relief computing classification weight, Calculation multifractal detrended fluctuation analysis matlab program.
-
-
0下载：
信号维数的估计，Relief计算分类权重，是学习PCA特征提取的很好的学习资料。- Signal dimension estimates, Relief computing classification weight, Is a good learning materials to learn PCA feature extraction.
-
-
0下载：
Relief计算分类权重，结合PCA的尺度不变特征变换(SIFT)算法，利用最小二乘算法实现对三维平面的拟合。- Relief computing classification weight, Combined with PCA scale invariant feature transform (SIFT) algorithm, Least-squares algorithm to fit a three-dimensional plane.
-
-
0下载：
PCANet_FilterBank，基于主成分分析的卷积神经网络,其中主成分分析得到的主元作为网络映射的滤波器。-PCA was used as the filter in PCANets. It is really useful for image classification.
-
-
0下载：
Relief计算分类权重，有借鉴意义哦，是学习PCA特征提取的很好的学习资料。- Relief computing classification weight, There are reference Oh, Is a good learning materials to learn PCA feature extraction.
-
-
0下载：
You can achieve data classification and regression pattern recognition, It draws on principal component analysis algorithm (PCA), Monte Carlo simulation method of calculating the American option price and basic descr iption.
-
-
0下载：
You can achieve data classification and regression pattern recognition, When processing a signal frequency analysis, Combined with PCA scale invariant feature transform (SIFT) algorithm.
-
-
0下载：
Various resource allocation algorithm, You can achieve data classification and regression pattern recognition, It draws on principal component analysis algorithm (PCA).
-
-
0下载：
PCA POUR REDUIRE LA TAILLE DES DONNEES ET APPLIAUER ENSUITE LA CLASSIFICATION AVEC LE KNN
KDDCUP99
TRAININSET TESTINGSET
-
-
0下载：
10 POURCENT DU KDD CUP99 MAIS A ANALYSER PAR PCA AVANT UTILISATION POUR CLASSIFICATION
-
-
2下载：
Matlab表情识别，特征脸[1 ]作为面部表情分类的方法。首先，利用训练图像创建低维人脸空间（pca）。这是通过训练图像集主成分分析（PCA）及图片主成分分析（即具有较大特征值的特征向量）获得的。
结果，所有的测试图像以所选择的主成分表示，计算投影图像与所有投影列车图像的欧几里得距离，选择最小值以找出与试验图像最相似的训练图像。(The feature face [1] is used as a facial expression classification method. Firstly,
-
«
1
2
...
5
6
7
8
9
1011
»
