搜索资源列表
Extractionofthemaincomponents
- Matlab提取主分量矩阵。程序设计步骤: 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步) 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
jiyushilianglianghuadeshuohrshibe
- 基于矢量量化的说话人识别本文从语音信号的预处理开始分析, 主要研究了特征参数的选择、提取、及识别算法,应用全极点模型,提取了语 音信号的线性预测倒谱系数和美尔倒谱系数,并进一步获得其一阶差分,将倒 谱系数与其一阶差分结合在一起形成新的特征参数。在识别算法方面,本文对 矢量量化的方法进行了研究,用Matlab语言实现了说话人识别系统的仿真与验 证。实验证明这种参数与单纯的线性预测倒谱系数和美尔倒谱系数相比更为有 效。- speech paper,help you study
fdp5final
- Face Detection System 基于Gabor特征提取和人工智能的人脸检测系统源代码 使用步骤: 1. 拷贝所有文件到MATLAB工作目录下(确认已经安装了图像处理工具箱和人工智能工具箱) 2. 找到"main.m"文件 3. 命令行中运行它 4. 点击"Train Network",等待程序训练好样本 5. 点击"Test on Photos",选择一个.jpg图片,识别。 6. 等待程序检测出人脸区域
sst-matlab
- NOAA网站AVHRR卫星数据绘图(SST)。数据选用原因:它本身是已经被处理过的27年(1982-2008)全球月平均数据,而且数据精度非常高,对于研究全球SST的气候态特征有较好的说服性;另外,选择2月与8月的数据,对描述海洋水温的平面分布更具有代表性。 -NOAA AVHRR satellite data mapping site (SST). Data Selection reasons: it is itself already been treated for 27 years
Desk4ttop
- 【谷速软件】matlab有偿编程 垂直+水平特征选择的二值图像 可以作为参考使用-[Valley] matlab paid programming software speed vertical+ horizontal binary image feature selection can be used as a reference
static_LDA_mean_var
- MATLAB代码,利用LDA和相应的特征选择对数据进行分类-MATLAB code, use LDA and the corresponding feature selection data classification
static_K_kendell_mean_var
- MATLAB代码,利用K近邻法并使用相应的特征选择对数据进行分类-MATLAB code, the use of K-nearest neighbor method and use the appropriate feature selection data classification
Matlab.m
- 共振解调法诊断轴承损伤类故障的原理概述如下:当轴承某一元件表面出现局部损伤时,在受载运行过程中要撞击与之相互作用的其它元件表面,产生冲击脉冲力,由于冲击脉冲力的频带很宽,必然包含轴承外圈、传感器甚至附加的谐振器等的固有频率而激起这个测振系统的高频固有振动。根据实际情况可以选择某一高频固有振动作为研究对象,通过中心频率等于该固有频率的带通滤波器把该固有振动分离出来。然后进行包络解调,去除高频衰减振动的频率成分,得到只包含故障特征信息的低频包络信号,对这一包络信号进行频谱分析便可以容易地诊断出轴承的
gmdh_feature_select
- 本程序是一个基于matlab的特征选择程序,可以用于预测方面,实现效果不错-This procedure is a feature selection based on matlab program that can be used to predict aspects of implementation effect is good
FeatureSelection
- 模式识别中基于可分离性判据的特征选择的matlab实现的源码及注释-In the pattern recognition based on feature selection of separability criterion of matlab source code and annotations
pluslr
- 使用了MATLAB对信号进行特征选择,使用的信号有图像信号,一维信号等。对学习信号特征有参考价值。-Using the MATLAB signal for feature selection, use of image signal of the signals, and the one dimensional signal, etc.Characteristics of learning signal has a reference value.
FeatureSelection
- 主要用于特征的选择与提取,评估及特征空间描述(It is mainly used for feature selection and extraction, evaluation and feature space descr iption)
FastICA
- 独立成分分析matlab代码,进行特征降维与特征选择(ICA transform for feature selection)
audio_tezheng
- 语音信号的时域、频域与倒谱域分析。 1.分析一帧清音和浊音的自相关函数和倒谱系数 2.用Matlab画出该段语音的时域波形、短时能量、短时平均幅度、短时过零率、短时过电平率 3.选择一帧无声、清音和浊音的语音,用Matlab画出它们的对数幅度谱(Time domain, frequency domain and cepstrum domain analysis of speech signals. 1. Analyze the autocorrelation function and c
PLSUVE
- 基于偏最小二乘回归的matlab中无信息变量消除算法的特征选择(Feature Selection of No Information Variable Elimination Algorithm in Matlab Based on Partial Least Squares Regression)
cloud
- ”云”或者’云滴‘是云模型的基本单元,所谓云是指在其论域上的一个分布,可以用联合概率的形式(x, u)来表示 云模型用三个数据来表示其特征 期望:云滴在论域空间分布的期望,一般用符号Εx表示。 熵:不确定程度,由离散程度和模糊程度共同决定,一般用En表示。 超熵: 用来度量熵的不确定性,既熵的熵,一般用符号He表示。 云有两种发生器:正向云发生器和逆向云发生器,分别用来生成足够的云滴和计算云数字特征(Ex, En,He)。 正向云发生器: 1.生成以En为期望,以H
SnakeModule
- 自动对目标特征进行轮廓提取,需要手动选择感兴趣区域。(Automatic contour extraction of target features requires manual selection of the region of interest.)
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
bi_sipls
- siPLS和biPLS是两种用于近红外光谱特征波段筛选的变量选择方法,可筛选出与兴关注指标密切相关的特征波段,并去除无关和干扰变量,提高模型稳健性(Bipls and sipls are two variable selection methods for screening the characteristic intervals of near-infrared spectra, which are closely related to performance indicators, to
神经网络入门13课源码
- 神经网络入门13课源码 第一课 MATLAB入门基础 第二课 MATLAB进阶与提高 第三课 BP神经网络 第四课 RBF、GRNN和PNN神经网络 第五课 竞争神经网络与SOM神经网络 第六课 支持向量机( Support Vector Machine, SVM ) 第七课 极限学习机( Extreme Learning Machine, ELM ) 第八课 决策树与随机森林 第九课 遗传算法( Genetic Algorithm, GA ) 第十课 粒子群优化( Part