搜索资源列表
PCA_NN
- PCA(主成分分析)算法被广泛应用于工程和科学研究中,本报告主要从PCA的基本结构和基本原理对其进行研究,常规的PCA算法主要采用线性算法,通过研究论证发现线性的PCA算法存在着许多不足,比如线性PCA算法不能从线性组合中把独立信号成分分离出来,主分量只由数据的二阶统计量—自相关阵确定,这种二阶统计量只能描述平稳的高斯分布等,因此必须对其进行改进,经改进后的PCA算法有非线性PCA算法、鲁棒算法等。我们通过PCA算法在直线(平面)中拟和的例子说明了PCA在工程中的应用。本例子采用的是成分分析中的
icatoolbox
- 独立主成分分析的工具箱,是模式识别,成分分析,线性判别的重要手段。-independent Principal Component Analysis Toolbox, pattern recognition, component analysis and linear discriminant an important means.
lunwen
- 本论文的主要工作在于引入了一种新的特征提取方法----独立分量分析。独立分量分析的根本原理是通过分析多维观测数据间的高阶统计相关性,找出相互独立的隐含信息成分,完成分量间高阶冗余的去除及独立信源的提取
ICA
- ica 独立主成分分析 包括中心化和白化等预处理-ica independent principal component analysis, including the center and bleaching pretreatment
FastICA_23
- 这个是基于独立主成分分析的一个MATLAB语言程序,大家可以下载来看看,希望有帮助-This is based on independent analysis of the principal component of a MATLAB language program, you can download to look at, I hope there is help
ICA_AND_PCA
- 关于独立分量分析和主成分分析的区别,初学者可以-the difference between independent component analysis and principal component analysis ,beginner can look at it
SPSS
- 主成分分析的主要目的是希望用较少的变量去解释原来资料中的大部分变异,将我们手中许多相关性很高的变量转化成彼此相互独立或不相关的变量。通常是选出比原始变量个数少,能解释大部分资料中的变异的几个新变量,即所谓主成分,并用以解释资料的综合性指标。由此可见,主成分分析实际上是一种降维方法。-The main purpose of PCA is to use fewer variables to explain most of the variation of the original data will
FastICA_2.5
- FASTICA_2.5 ,独立主成分分析-FASTICA_2.5, independent principal component analysis
Matlab-Project
- 主成分分析(PCA)是一个数学的过程,它使用一个正交变换转换成一组观测到的可能相关的因素形成一套价值观的独立变量称为主成分。主成分的数量小于或等于原始变量的数目 -Principal component analysis (PCA) is a mathematical procedure that uses an orthogonal transformation to convert a set of observations of possibly correlated variable
ICA-face-recognition
- 主要是用独立主成分分析,做人脸识别,通过训练集和测试集的比对,得出识别率-ICA face recognition
code
- 独立主成分分析与主成分分析代码,速度比较快,而且比较好用-In these first experiments, both ICA and whitened PCA are used to compress the data, and all the components are used for classifying the examples. The classifier used is a 1-NN with Euclidean distance. The results shown i
ICA
- 人脸识别经典文献,介绍独立主成分分析(ICA)方法及其应用-Face classic literature, describes the main independent component analysis (ICA) method and its application
m11
- 混合高斯(Mixture of Gaussian, MOG) 背景建模算法和Codebook 背景建模算法被广泛应用于监控视频的运动目标检测问题, 但混合高斯的球体模型通常假设RGB 三个分量是独立的, Codebook 的圆柱体模型假设背景像素值在圆柱体内均匀分布且背景亮度值变化方向指向坐标原点, 这些假设使得模型对背景的描述能力下降. 本文提出了一种椭球体背景模型, 该模型克服了混合高斯球体模型和Codebook 圆柱体模型假设的局限性, 同时利用主成分分析(Principal compon
FastICA_25
- 独立成分分析是近年来提出的非常有效的数据分析工具,它主要用来从混合数据中提取出原始的独立信号。(Independent component analysis (independent component analysis) is a very effective data analysis tool in recent years. It is mainly used to extract original independent signals from mixed data.)
PCA 和ICA
- 主成分分析和独立成分分析算法,可用于数据降维
ICA
- 一种特征提取方法:独立成分分析(ICA)(A feature extraction method: independent component analysis (ICA))
han-qx80
- 是机器学习的例程,利用最小二乘法进行拟合多元非线性方程,独立成分分析算法降低原始数据噪声。( Machine learning routines, Multivariate least squares fitting method of nonlinear equations, Independent component analysis algorithm reduces the raw data noise.)
独立成分分析FastICA_25
- 内附fastICA工具箱使用攻略PDF,工具箱内代码很全面,快速ICA算法在信号处理和图像处理方面有广泛应用。
eeglab2020
- EEGLAB是一个Matlab的工具箱(Toolbox),主要用来处理EEG(脑电图)和MEG(脑磁图)以及其他的连续且事件相关的电生理信号,如ECG(心电图)。EEGLAB能够对电生理信号进行一系列的分析,包括独立成分分析(ICA)、时频分析(TFA)、消除伪影、事件相关的统计分析以及几种对数据可视化的模型。
基于负熵的快速定点迭代的ica算法源码
- 基于负熵的快速定点迭代的独立成分分析算法以及测试程序源码,算法收敛速度快,准确度高