搜索资源列表
SignalProcPCA
- Principal Component Analysis (PCA) is the general name for a technique which uses sophisticated underlying mathematical principles to transforms a number of possibly correlated variables into a smaller number of variables called principal compone
16bitpwm
- // 程序实现PCA模块0和1的16位PWM输出Ｊ涑鼋臗EX0配置在P0.0脚输出方波占空比为2/3
PDV-algorithm
- 用于分类的主判别变量算法(principal discriminant variate algorithm) - principal discriminant variate algorithm for two classes, x1 and x2. x1 is the training samples in the 1st class with each column being the spectrum characterizing the corresponding sampl
STC_PWM
- 使用STC MCU产生两路PWM正弦半波的程序，经过光耦隔离后可驱动IGBT产生正弦输出。测试芯片用STC12LE5A60S2，运行后使用示波器观察PCA输出。-Use STC MCU make 2 half-Sin PWM PCA-out.Tested with STC12LE5A60S2.
STC-Breathing-light
- 2路PCA的捕获、高速输出、16bit定时器、PWM实现-2-way PCA capture, high-speed output, 16bit timers, PWM to achieve
2DPCAPPCA
- 2DPCA+PCA图像特性提取,用于图像的仿生模式识别中。-2 dpca and pca image feature extraction，Used in the image of the bionic pattern recognition.
Neural-Network
- This folder contains the following sub-folders which are essential in our project: 1.Raw Data All the raw data collected from Flagstaff hill, CMU Athletic Field, and Railroad on Neville St. 2.Filter Filter to rule out signal of Channel
GaussianTwo
- 高斯算法2，高斯列主元消去法解线代数方程组。-Gauss Algorithm 2, out PCA Gaussian elimination method for solving algebraic equations line.
PatternRecognition
- (1)Bayes分类 已知N=9， =3，n=2，C=3,问x= 应属于哪一类？ (2)聚类 使用c－均值聚类算法在IRIS数据上进行聚类分析 (3)鉴别分析 在ORL或Yale标准人脸数据库上完成模式识别任务。 用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验。-(1) Bayes classification Known N = 9, = 3, n = 2, C = 3, x = should ask which cat
machine-learning_PCA
- 环境为winpython 32bit 2.7.5.3 p = PCA() print u"均值化后的数据集为：",p.dataset( H:\\PCA_test.txt ) print u"协方差矩阵为：",p.COV() print u"特征向量为：",p.eig_vector()[1] tt = p.pc(dim=1) print "tt:",tt print u"新的维度数据集",tt[1]- """ Principal c
pca_2d
- 主成分分析对数据进行降维的例子 主要是2维数据-pca
stprtool_v2.12
- 统计模式识别工具箱(STPRTool 版本2.12 2013-09-12) 功能有线性判别函数、特征提取、密度估计和聚类、支持向量机、贝叶斯分类器、交叉验证等-Statistical Pattern Recognition Toolbox Methods: Fisher,PCA,GMM,K-means,SVM,Bayes classifier,Cross-validation,KNN,etc.
project1_code
- 这是matlab编写的3个常用机器学习分类器代码。其中包括了： 1）PCA 分类其；2）LDA分类器：3）naive贝叶斯分类器。 3个算法的实现参考了《Introduction to Machine Learning》。 除了这3个分类算法的实现外，代码里面还包含了用于测试的main.m 主程序和一个实验的简要报告。实验在著名数据集acoustic_train_data 上进行。-This source code includes the implementation of three f
nhan-dang-mat---tim-mat
- This program shows how to detect and regconize face by using PCA algorithm. There are 2 s of face images and non-face images
r_apsbnymg
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和temp特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及temp1只 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
yreykces
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 iCVSum 特征向量 3、计-PCA algorithm program realization by matlab code design steps in
ajuifdmk
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 elarJb 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 XAixfeX值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
amrjbqca
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 vIPdsQ 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 UUOFhKz值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
bebbmabc
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 ngQmVr 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 sIIcLXY值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
blqfmmxf
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 vxkKar 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 XwPcugM值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig