当前位置：
首页 资源下载
搜索资源 - feature matrix matlab
搜索资源列表
-
1下载：
灰度共生矩阵和灰度梯度共生矩阵的提取方式，是比较重要的纹理特征提取方法，用matlab实现的-co-occurrence matrix and GGCM extraction, is the more important Texture feature extraction methods, achieved using Matlab
-
-
0下载：
his little function rounds a number (or the elements of a vector ot matrix) towards the nearest number with N significant digits.
Examples:
roundsd(0.012345,3) returns 0.0123
roundsd(12345,2) returns 12000
This is a useful complement
-
-
0下载：
盲源分离FastICA、matalab程序，-FAST KERNEL ICA |
|--------------------|
Version 1.0- February 2007
Copyright 2007 Stefanie Jegelka, Hao Shen, Arthur Gretton
This package contains a Matlab implementation of the Fast Kernel ICA
-
-
0下载：
利用matlab仿真软件对矩阵特征值计算的这一类算法进行了编码计算-Matlab simulation software using feature value matrix algorithm of this class of coding using
-
-
0下载：
基于OpenCV和VS2008的图像灰度共生矩阵特征提取实现。文件中还有matlab版本的-Images based on OpenCV and VS2008 GLCM feature extraction achieved. Matlab version of the file there
-
-
0下载：
mat lab code ..
applying pca on any matrix of matlab.
feature vector will give the featuevector
change the dimentional matrix
-
-
0下载：
机器学习matlab源代码，包括多分类SVM，模式识别，特征选择，回归等算法。-The spider is intended to be a complete object orientated environment for machine learning in Matlab. Aside from easy use of base learning algorithms, algorithms can be plugged together and can be compared with
-
-
0下载：
用matlab自带的聚类函数进行聚类，输入为特征矩阵，输出的是聚类图-Clustering clustering comes with matlab function, input feature matrix, the output is dendrogram
-
-
0下载：
提取灰度共生矩阵的分类作用，有利于后续的人工神经网络的进行-To extract the classification of the gray level co-occurrence matrix, is advantageous to the subsequent artificial neural network
-
-
0下载：
图像检索中的纹理特征；基于共生矩阵纹理特征提取，根据输入图像数据进行计算并返回八维纹理特征行向量-Texture feature in image retri texture feature extraction based on co-occurrence matrix, and then calculate and return eight dimensional texture feature row vector according to the input image data.
-
-
1下载：
使用的版本：64位的MATLAB R2015b，代码可以直接运行仿真。
（1）提取五个特征量中的Hu矩和仿射不变矩；
（2）picture用来存放训练样本和测试样本；
（3）save用来保存代码运行过程中提取的特征量，matlab1存放仿射不变矩特征量，
matlab2存放Hu矩特征量，Hu_BBA存放样本的Hu矩的基本信度赋值和识别类型，
FS_BBA存放样本的仿射不变矩的基本信度赋值和识别类型，目标识别矩阵、信息融
果和判决结果在指令窗输出（1,2,3表示类型，
-
-
2下载：
matlab 随机森林,可以直接使用，输入为特征矩阵，输出为目标值-Matlab random forest, can be used directly, the input feature matrix, the output value of the target
-
-
0下载：
% 图像检索——纹理特征
%基于共生矩阵纹理特征提取，d=1,θ=0°,45°,90°,135°共四个矩阵
%所用图像灰度级均为256
%参考《基于颜色空间和纹理特征的图像检索》(% image retrieval - texture features
% based on co-occurrence matrix texture feature extraction, d=1, theta, =0 degrees, 45 degrees, 90 degrees, 135 degrees
-
-
0下载：
For feature extraction, signal de-noising, Single path or multipath Rayleigh fading channel simulation, The final weight matrix is ??the filter coefficient.
-
-
0下载：
MATLAB实现图像纹理特征提取：自相关函数法、灰度共生矩阵、分数阶傅里叶变换。GUI界面。运行后可自定义自相关函数的x和y轴偏移，灰度共生矩阵的距离和角度，分数阶傅里叶变换的阶数。输出相应的特征图。(MATLAB realize image texture feature extraction: autocorrelation function method, gray co-occurrence matrix, fractional Fourier transform. GUI interf
-
-
1下载：
谱聚类能够识别任意形状的样本空间且收敛于全局最优解，其基本思想是利用样本数据相似矩阵的进行特征分解后得到的特征向量进行聚类，程序进行了几种不同聚类算法的比较，包括Q矩阵聚类，kmeans聚类，第一特征分量聚类，第二广义特征分量聚类，公用数据生成和近邻矩阵生成(Spectral clustering can distinguish arbitrary sample space and converge to the global optimal solution, the basic idea i
-
-
0下载：
MUSIC算法是一种基于矩阵特征空间分解的方法。从几何角度讲，信号处理的观测空间可以分解为信号子空间和噪声子空间，显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成，噪声子空间则由协方差矩阵中所有最小特征值（噪声方差）对应的特征向量组成。(MUSIC algorithm is a kind of feature space based on the matrix decomposition method.From geometric point of vie
-
-
0下载：
本程序包是运用MATLAB进行图像矩阵特征的识别(This package is an image matrix feature recognition using MATLAB)
-
-
0下载：
一种分解精度高、模态混叠问题少的VMD特征提取算法，进行振动信号分解,形成初始特征向量矩阵(A VMD feature extraction algorithm with high decomposition accuracy and few modal aliasing problems is used to decompose the vibration signal and form the initial eigenvector matrix.)
-
-
5下载：
BCI_MI_CSP_DNN是一种基于matlab的运动图像脑电信号分类程序。
基于matlab深度学习工具箱编写了BCI_MI_CSP_DNN程序
本程序的原理基于CSP和DNN算法
这个程序的性能是基于BCI竞赛II数据集II
提出了一种基于深度学习的运动图像脑电信号分类方法。在预处理原始脑电图信号的基础上，采用共空间模型(CSP)方法提取脑电图特征矩阵，并将其输入深度神经网络(DNN)进行训练和分类。我们的工作在BCI Competition II Dataset III上进行了实
-
