搜索资源列表
ToyExample1
- 一个关于KHA的算法，他是一种在KPCA基础上进一步训练的算法-a 5,500 on the algorithm, he is a KPCA in further training on the basis of the algorithm
KPCAandPCA
- 含有pca和kpca算法，具有很好的在图像处理方面的应用-contain pca and kpca algorithm, is very good in image processing the application
ImgProc1
- 基于PCA IDA LDA KPCA的人脸识别] -IDA LDA KPCA Face Recognition]
kpca1
- 关于kpca算法的matlab程序及其说明-kpca algorithm on the procedures and instructions Matlab
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th
orl_programming_date
- pca,用在人脸特征识别中,fisher线性判别 kpca,dwt2-pca used in facial recognition, fisher linear discriminant kpca, dwt2
kpca_azaaza
- 核主成分分析KPCA算法源码[matlab]
KStattoolbox
- 一个非常经典的核统计学习工具箱。集成了kpca、kdr、ksri等。具有分类和回归双重功能。
kpca
- 核主成分分析法,用matlab实现,极为精彩.不可错过
KPCA
- 核主成分分析，MATLAB编写，可用于人脸识别等模式识别问题，欢迎使用。
hand_try.rar
- 这个是准备做笔迹识别用的程序，很齐全哦~~想做gabor 再用kpca，最后用欧氏距离,Prepared to do this is to use handwriting recognition process, it is complete Oh ~ ~ gabor want to reuse kpca, the last with Euclidean distance
kpca
- 在matlab上面通过kpca，实现大数据降维算法(Dimensionality reduction algorithm for large data)
KPCA
- 核主成分分析方法，过程非常详细，可用于分类和降维(The kernel principal component analysis method is very detailed and can be used for classification and dimensionality reduction)
kpca
- 主成分分析的一种改进算法，是一种非线性的特征提取方法。(An improved algorithm of principal component analysis is a nonlinear feature extraction method)
kpca
- 实现数据语音数据的降维，去除冗余 提高预测的精度(To reduce the dimension of data speech data, to eliminate redundancy and improve the prediction accuracy)
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))
kpca
- 实现工业系统过程中的故障诊断，以及进行有效的检测，从而发现故障问题(Implement fault diagnosis and detection)
PCA,KPCA完整程序
- 降维，用作聚类算法使用。具有很好效果，可以用作图像去噪(Dimensionality reduction is used as a clustering algorithm. It has good effect and can be used for image denoising.)
LLTSA降维
- 这个是KPCA核主成分分析的代码，好用，里面也带有范例(This is the KPCA kernel principal component analysis code, which is easy to use and also contains examples.)
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