搜索资源列表
pca
- 使用MATLAB实现主成分分析，其中包含两种不同的方法。(Two different methods are used to achieve principal component analysis by MATLAB.)
K-Means PCA降维
- K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.(K-Means algorithm does not require the establishment of the model after the new prediction of the results, there is no corresponding tag, but only on the character
pca
- 主成分分析实现代码，以测试集辛烷值含量预测结果对比为例，内附数据，代码，matlab实现(Principal component analysis implementation code)
pca
- pca是主成分分析，提取特征，对数据进行降维处理(PCA is principal component analysis, which extracts features and processes the data in reduced dimension)
PCA
- 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。(Principal Component Analysis (PCA) is a statistical method. Convert a set of variables that may be relevant by orthogonal transform into a set of linearly
pca
- 主成份分析代码，实现对信号的主成分分析和实现，有利于更好理解这部分功能。(Principal component analysis code, to achieve the main component of the signal analysis and implementation, is conducive to a better understanding of this part of the function)
PCA
- 函数是封装好的主成分分析法的程序，输入原始数据矩阵即可(Function is a good package of principal component analysis of the procedure. The original input data matrix can be input)
Nonlinear PCA toolbox for MATLAB
- 压缩文件夹中主要包含用于非线性主成分分析的程序(Nonlinear PCA toolbox for MATLAB)
MNIST-PCA
- 使用PCA算法分析MNIST 手写字符训练样本。 结果分别生成以2、5、10个PCA主成分的重构图像以及10个主成分特征向量的对应图像。(Implement PCA algorithm on MNIST dataset and calculate the class PCA on each digit separately.)
PCA母文件
- matlab里面运行的主成分分析通用程序，是常用的一种统计分析方法(General program running in MATLAB is a commonly used statistical analysis methodfor principal component analysis)
PCA
- 主成分分析主要进行降维处理，以减小变量数目和使信号独立(Principal component analysis mainly reduces dimensionality to reduce the number of variables and make the signal independent)
基于主分量的人脸重构
- 本实验是基于主成分分析法（PCA）在人脸识别中的应用，采用SVM分类器在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真。
PCA
- 2种主成分分析方法，高光谱降维，基于实测光谱数据，光谱解混(endmember extraction matlab)
pca
- 在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的。盲目减少指标会损失很多信息，容易产生错误的结论。 因此需要找到一个合理的方法，在减少需要分析的指标同时，尽量减少原指标包含信息的损失，
PCA
- 基于主成分分析的遥感图像融合算法，融合结果质量较好。(The fusion algorithm of remote sensing image based on principal component analysis has better fusion result.)
PCA大作业
- PCA程序,处理绿萝的数据，机器学习，进行主成分分析，提取指定重要特征的方法。(PCA program, data processing ,Scindapsus, machine learning, principal component analysis method, A method of specifying important features .)
myPCA
- PCA主成分分析源程序，可以运行，简单易懂，MATLAB(PCA principal component analysis source program, can run, easy to understand, MATLAB)
pca-lda
- 主成分分析法和线性判别分析常用来对原始数据进行简单的数学分析(Principal component analysis and linear discriminant analysis are usually used for simple mathematical analysis of raw data.)
3DpcaPlot
- PCA主成分分析，基于R语言平台的pca分析和绘制三维图像(PCA principal component analysis, based on R language platform PCA analysis and rendering 3d images.)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。