搜索资源列表
SVM
- 针对基于GPS／GIS的浮动车数据特点，总结其中无效的数据类型，并给出数据有效处理的方法。以支持向量机原理、交通状态预测方法为基础，分析了常用支持向量回归机、核函数及模型参数的性能，以及各核函数及模型参数对支持向量机性能的影响及作用。针对路段平均速度预测中的小样本、非线性、高维回归等特点，将支持向量回归机方法引入基于浮动车数据的路段车辆速度预测，构建了路段平均速度短时预测模型。并以杭州市某路段的实际数据为例，详细阐述了支持向量回归机预测模型的具体建模和求解过程。运用LibSVM2．84软件包，进
FastMap
- 利用MATLAB作为编译工具，将高维空间数据投影到低维空间-Using MATLAB as the compilation tools, data projection of high-dimensional space to low-dimensional space. .
基于核函数主元分析的机械故障诊断方法
- 提出基于核函数主元分析的机械故障诊断方法, 它保留主元分析的优点并具有处理非线性的能力。该方法通过核函数映射将非线性问题转换成高维的线性特征空间, 然后对高维空间中的映射数据作主元分析,提取其非线性特征, 对机械故障模式进行识别。并与主元分析方法进行对比分析, 实验结果表明核函数主元分析法非常有效。-Proposed mechanical fault diagnosis method based on Kernel Principal Component Analysis, it retains
pca
- 在尽可能好的代表原始数据的前提下，PCA通过线性变换将高维空间中的样本数据投影到低维空间中。-In the best possible on behalf of the original data, under the precondition of PCA through linear transformation in the high-dimensional space sample data projection to low dimensional space
DataHigh_v09
- 神经信号的数据降维处理 高维至二维 国外实验室研究员 编写 配有GUI界面-neuron signal Data dimensionality Reduction to 2D
guassRandA
- 产生高维的高斯白噪声数据，这在SAR中使用的很多，并且占有重要的地位，主要表现在，SAR去噪这一部分，能更好的成像-White Gaussian noise high-dimensional data, used in SAR lot, and occupy an important position, mainly, SAR denoising this part, better imaging
mani-real
- 人脸数据库数据降维的Matlab实现，可将高维的人脸数据降维到3维或2维-The face database data dimensionality reduction Matlab, the face of the high-dimensional data down to 3-dimensional or two-dimensional
lle
- 流形学习算法LLE的核心代码，实现对高维图像数据的降维，适合初学者-LLE manifold learning algorithm of the core code, the realization of high-dimensional image data dimensionality reduction, suitable for beginners
LPP
- Locality Preserving Projections(LPP),局部保留投影，可以找出高维空间中的数据在低维空间中的投影，并保留了数据之间的相关性-Locality Preserving Projections (LPP), partial retention projection, you can find the data in high-dimensional space in a low dimensional space projection, and retains the
SDEmatlab
- 基于监督学习的一种非线性数据降维方法，可以很好地将低维特征从其所在的高维流形中提取出来，用于数据分类。-A nonlinear data dimension reduction based on supervised learning method, is a good way to the lower dimensional feature extracted from its place of higher dimensional manifold, used for data classi
Visualization-of-data-and-functions
- 系统地阐述，曲线、曲面绘制的基本技法和指令；如何使用线型、色彩、数据点标记凸现不同数据的特征；如何利用着色、灯光照明、烘托表现高维函数的性状；如何生成和运用标识，画龙点睛般地注释图形等-Visualization of data and functions
tixingguanzi2
- 分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo
lle
- LLE（Locally Linear Embedding）算法，即局部线性嵌入算法。该算法是针对非线性信号特征矢量维数的优化方法，这种维数优化并不是仅仅在数量上简单的约简，而是在保持原始数据性质不变的情况下，将高维空间的信号映射到低维空间上，即特征值的二次提取-LLE (Locally Linear Embedding) algorithm, local linear embedding algorithm. The algorithm is a method for optimizing no
Isomap
- Isomap是一种非线性降维方法。又是一种广泛使用的低维嵌入的方法。[ 1 ] Isomap用于计算准等距，低维嵌入的一组高维数据点。该算法提供了一个简单的方法，用于估计基于一个粗略的估计，每个数据点的邻居流形上的数据流形的内在几何。Isomap是高效和一般适用于范围广泛的数据源和维度。-Isomap is a Nonlinear dimensionality reduction method. And is also one of several widely used low-dimensi
pca_2d
- 这是一个PCA的练习题，即主成分分析，用于数据将维，将高维大数据降为低维数据。是一种高效率的数据处理方法。-This is a PCA exercises, namely principal component analysis for data-dimensional, high-dimensional data is reduced to a large low-dimensional data. Is a highly efficient method of data processing
LGEandKGEandOLGEandKPCAandKLPP
- 一系列降维算法，包括LGE,KGE,KLPP,OLEG,KPCA，将高维空间的数据降低的低维，主要用来进行人脸识别以等方面的特征提取,总共5个算法。-isometric projection to feature extraction
vca
- 顶点成分分析，可以用于高维图像，比如，高光谱图像的端元提取，先验：数据中存在纯端元-Vertex component analysis, can be used in high-dimensional images, such as hyperspectral image endmember extraction, a priori: there is data in the pure end-member
Isomap
- ISOMAP(Isometric Feature Mapping，等度规特征映射)算法在高维非线性数据处理中有较为理想的效果，建立在MDS (Multi-Dimensional Scaling，多维尺度变换)的基础上，其基本思想是当数据集的分布具有低维嵌入流形结构时，可以通过保距映射获得观测空间数据集在低维空间的表示。-ISOMAP (Isometric Feature Mapping, and other metric feature mapping) algorithm can get mo
pca
- 基于主元分析的异常检测和故障诊断，用于对具有高度线性相关的测量数据进行分析和处理，其最终实现高维空间降维的目的。-Anomaly detection based on principal component analysis and fault diagnosis, used for highly linear correlation measurement data analysis and processing, its ultimate achieve the goal of higher
kda-1.0
- 基于KDA的人脸识别首先利用核方法将人脸图像数据集非线性映射到一个高维特征空间中，然后在高维特征空间中利用LDA进行线性特征提取-Face recognition based on first use of nuclear KDA method will face image data set nonlinear mapping to a high dimensional feature space, and then use LDA in high-dimensional feature sp