搜索资源列表
r43
- 鲁棒控制器设计，由于RBF网络可以实现任意逼近的非线性关系，它的目标是要做到误差平方和最小，与非线性PCA的目标一致，所以上述非线性PCA的模型可以通过采用两个RBF网络来实现非线性正变换 和反变换 。RBF网络是一个三层前馈网络，隐层采用径向基函数作为激励函数。第一个RBF网络把高维空间的数据映射到低维空间（如图4），第二个RBF网络将前面网络输出的低维空间数据再映射到高维空间，实现数据恢复(如图5)。这两个网络分别进行训练。-robust controller design, as RBF
现代统计学与ＳＡＳ应用
- 本书共分６篇，第１篇统计学基础知识与ＳＡＳ软件应用技巧，介绍了统计学的基本概念和学习方法、试验设计入门、统计描述、ＳＡＳ软件应用入门、编写ＳＡＳ实用程序的技巧、单变量统计分析和利用SAS／GRAPH模块绘制常用统计图的方法。第２篇试验设计与定量资料的统计分析，介绍了与ｔ检验、非参数检验和各种方差分析有关的试验设计和数据处理方法。第３篇试验设计与定性资料的统计分析，介绍了处理二维及高维列联表资料的各种统计分析 方法，包括卡方检验、Fisher的精确检验、典型相关分析、logistic回归模型和对数
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
rpca
- RobustPCA 是最近提出的一种非常新的图像矩阵分解算法，该算法具有对噪声不敏感、能处理高维图像数据的特点。这是论文作者提供的 MATLAB 实现代码。-Oct 2009 This matlab code implements the augmented Lagrange multiplier method for Robust PCA.
postarderhash
- 对输入的高维特征向量进行pca降维后输出低维的特征向量()
matlab核PCA重建原像.part1
- 将KPCA的高维数据在原始空间中完成重构原像(The high dimensional data KPCA to reconstruct the preimage in the original space)
SSC_1.0
- 稀疏子空间编码，实现高维数据的降维分类。(SUBSPACE SPARSE/SparseCoefRecovery)
98529669
- 该程序用来处理微分方程系统的,用来化简一个微分系统的,特别是高维的系统,用来计算中心流行()
lle
- lle用来处理高维数据降维，经检验此程序运行效果很好(LLE is used to deal with dimensionality reduction of high-dimensional data. It is proved that the program runs well.)
Factor_Models
- 动态因子模型，该模型可以有效对高维数据进行降维，将成百上千的数据信息浓缩在几个因子里面，即从一国许多经济时间序列数据中估计和解释驱动各变量波动的共同动态因子。 MATLAB代码(dynamic factor model, the model can be effective for high-dimensional data dimension reduction, condensed the hundreds of thousands of data in several factors,
MNFTool-master
- 用于进行MNF变换，mnf用于对高维数据进行降维，特征提取(For MNF transformation, MNF is used for dimensionality reduction and feature extraction of high-dimensional data.)
PCA
- 本程序可以对高维数据进行降维，便于得到主成分进行后续分析。(This program can reduce dimension of high-dimensional data and facilitate principal component analysis for subsequent analysis.)
PCA TEST
- 主成分分析程序，能够对高维数据降维分析，适用于高维特征降维，大数据分析(The principal component analysis program can analyze dimensionality reduction of high-dimensional data.)
snvare
- 此程序为非线性降维典型算法之一－－LLE算法,对想进行高维数据降维研究的朋友们值得一看(This program is one of the typical nonlinear dimensionality reduction algorithms-LLE algorithm. Friends who want to study the dimensionality reduction of high-dimensional data are worth a look.)
KPCA
- KPCA算法属于非线性高维数据集降维，算法其实很简单，数据在低维度空间不是线性可分的，但是在高维度空间就可以变成线性可分的了(The KPCA algorithm belongs to the nonlinear high-dimensional data set dimension reduction. The algorithm is very simple. The data is not linearly separable in the low-dimensional space, b
tsne_python
- T-SNE高维数据降维特征提取，用于python3(T-SNE demensinal,python)
Jim Ramsay的fdaM工具箱
- 函数型数据分析是1980年以后发展起来的一种基于离散统计数据函数化,进而通过函数型分析刻画更广义和更深刻统计关系的高维数据分析.(Functional Data Analysis (FDA) is a high-dimensional data analysis based on discrete statistical data functionalization developed after 1980, and then through functional analysis to des
PCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
KPCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
LPP算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.