搜索资源列表
dimension-reduction
- pca lda kpca klda lpp matlab 特征降为方法，对于新手比较有用。-pca lda kpca klda lpp matlab code for dimension reduction. these are very useful for new researchers.
face_recognize
- 生物特征识别变得越来越重要，程序为基于matlab的PCA人脸识别算法-Biometrics is becoming more and more important, the program for the PCA face recognition algorithm based on matlab
SVD_eignface
- SVD进行特征脸提取，和PCA类似，选取前30个特征脸，并且将它显示这30个特征脸-SVD face feature extraction, and PCA is similar to the first 30 eigenfaces, and will it show that 30 eigenface
eigenface
- 利用人脸pca进行数据压缩，形成人脸特征脸，然后用最近邻法进行人脸识别。-Face pca use data compression to form facial features face recognition and then the nearest neighbor method.
PCA_K
- PCA的思想为将图像的协方差矩阵分解，获得分解后的方向向量。然后将数据分别投影到某一个方向上去，获得与原图象近似的图像。当然,与最大特征值所对应的特征向量方向获得最好的图像。因此，PCA方法可以作为降维的一种方法。留下在某些方向较好的图像，而抛弃那些在另外一些方向上不好的图像。-PCA ideas as to decompose the covariance matrix of the image, the direction vector obtained after decompositio
dimen-reduc
- 用于图像或者信号高维特征的降维程序，包含KLPP,OLPP和PCA等程度-for dimensionality reduction
KPCA-ORL
- 随着人脸识别越来越受到重视，而人脸识别中特征降维又很重要，所以特征降维算法也很重要。因此PCA降维算法很重要-Dimensionality reduction for Face Recognition
svm_matlab_facerecognition
- 利用PCA算法进行特征提取和数据降维，再用SVM算法进行人脸识别的程序，里面有人脸数据库！-Use PCA algorithm for feature extraction and data reduction, and then SVM algorithm recognition program, which was face !
pca_example
- 主成分分析代码实现，可输出主成分系数，主成分得分，特征根，贡献率，累计贡献率-pca example
2dpca
- 对人脸进行2DPCA提取特征并降维,提高人脸识别率-On people s faces 2D PCA feature extraction and dimensionality reduction, improve face recognition rate
feature_stacker
- feather_stacker主要用于一个数据集提取多个特征时，对特征进行联合的算法。-In many real-world examples, there are many ways to extract features a dataset. Often it is beneficial to combine several methods to obtain good performance. This example shows how to use FeatureUnion to c
bh_tsne.tar
- 本代码实现TSNE降维，首先利用PCA进行主成分分析，选取何时的特征再降维-dimension reduction for TSNE，we first use Principal Component Analysis to dimension reduction.
KPCA
- 另尝试编写的一个代码如下，实现对3类数据特征空间的聚类，如下图，红、绿、蓝三种颜色分别表示3类数据，经过rbf核映射到新的空间后，分别聚成了3类-This technique takes advantage of the kernel trick that can be used in PCA. This is a tutorial only and is slow for large data sets. In line 30 the kernel can be changed. Any Ke
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
bomqazcw
- 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 TirKnY 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 TIRISHJ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