当前位置：
首页 资源下载
搜索资源 - PCA fusion algorithm
搜索资源列表
-
0下载：
借鉴了主成分分析算法（PCA），用于特征降维，特征融合，相关分析等,这个有中文注释，看得明白。- It draws on principal component analysis algorithm (PCA), For feature reduction, feature fusion, correlation analysis, The Chinese have a comment, understand it.
-
-
0下载：
结合PCA的尺度不变特征变换(SIFT)算法，计算晶粒的生长，入门级别程序,用于特征降维，特征融合，相关分析等。- Combined with PCA scale invariant feature transform (SIFT) algorithm, Calculation of growth, entry-level program grains For feature reduction, feature fusion, correlation analysis.
-
-
0下载：
结合PCA的尺度不变特征变换(SIFT)算法，D-S证据理论数据融合，真的是一个好程序。- Combined with PCA scale invariant feature transform (SIFT) algorithm, D-S evidence theory data fusion, Really is a good program.
-
-
0下载：
借鉴了主成分分析算法（PCA），D-S证据理论数据融合，独立成分分析算法降低原始数据噪声。- It draws on principal component analysis algorithm (PCA), D-S evidence theory data fusion, Independent component analysis algorithm reduces the raw data noise.
-
-
0下载：
经典的灰度共生矩阵纹理计算方法，D-S证据理论数据融合，结合PCA的尺度不变特征变换(SIFT)算法。- Classic GLCM texture calculation method, D-S evidence theory data fusion, Combined with PCA scale invariant feature transform (SIFT) algorithm.
-
-
0下载：
用于特征降维，特征融合，相关分析等,最小二乘回归分析算法，结合PCA的尺度不变特征变换(SIFT)算法。- For feature reduction, feature fusion, correlation analysis, Least-squares regression analysis algorithm, Combined with PCA scale invariant feature transform (SIFT) algorithm.
-
-
0下载：
结合PCA的尺度不变特征变换(SIFT)算法，用于特征降维，特征融合，相关分析等,能量谱分析计算。- Combined with PCA scale invariant feature transform (SIFT) algorithm, For feature reduction, feature fusion, correlation analysis, Energy spectrum analysis and calculation.
-
-
0下载：
PCA和LDA算法的融合，适用于人脸识别中-Fusion of PCA and LDA Algorithm for Face Recognition
-
-
0下载：
Gabor小波变换与PCA的人脸识别代码，用于特征降维，特征融合，相关分析等,包含位置式PID算法、积分分离式PID。- Gabor wavelet transform and PCA face recognition code, For feature reduction, feature fusion, correlation analysis, It contains positional PID algorithm, integral separate PID.
-
-
0下载：
为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
-
