搜索资源列表
一个 PCA 算法的matlab程序
- 主成分分析（PCA)算法是用于简化数据的一种技术,对于某些复杂数据就可应用主成分分析法对其进行简化。-principal component analysis (PCA) algorithm is used to simplify the technology of data, For some complex data can be applied Principal Component Analysis streamline its.
qiyizhifaPCA
- 利用奇异值法（SVD）对载入数据进行主成分分析，源代码-use of the singular value (SVD) included data on principal component analysis, source code
pcaBPneuralnetwork
- 用主成分分析与神经网络进行人脸的识别 文件是整个的ＭＡＴＬＡＢ数据文件-using principal component analysis and neural networks face identification document is the entire data file MATLAB
eof
- 主成分分析程序，适合做向量场的正交分解 -principal component analysis procedures, suitable for the vector field orthogonal decomposition
image_mva_0
- 一个利用Matlab实现PCA（主成分分析），k_means图像分割很好的例子。-using Matlab a PCA (Principal Component Analysis), k_means image segmentation good example.
PCA_Matlab_ana
- 主成分分析是把多个指标化为少数几个终合指标的一种统计分析方法。本源代码为matlab中源代码，并添加了相应的分析注解-Principal Component Analysis is more than a few indicators as a final indicator of a statistical analysis method. Source code for which the source code Matlab, and add the corresponding analy
PCA_NN
- PCA（主成分分析）算法被广泛应用于工程和科学研究中，本报告主要从PCA的基本结构和基本原理对其进行研究，常规的PCA算法主要采用线性算法，通过研究论证发现线性的PCA算法存在着许多不足，比如线性PCA算法不能从线性组合中把独立信号成分分离出来，主分量只由数据的二阶统计量—自相关阵确定，这种二阶统计量只能描述平稳的高斯分布等，因此必须对其进行改进，经改进后的PCA算法有非线性PCA算法、鲁棒算法等。我们通过PCA算法在直线（平面）中拟和的例子说明了PCA在工程中的应用。本例子采用的是成分分析中的
LDA
- 人脸识别主成分分析LDA代码，MATLAB写的。-Principal Component Analysis LDA code written in MATLAB.
PCA-matlab
- 此程序为用于主成分分析的matlab程序，可以输出贡献率及画出二维散点图-this procedure for the Principal Component Analysis Matlab procedures can export contribution rate and the two-dimensional plot paint
pca.m
- 本程序的运行环境为matlab6.5，在command window下输入数据x和a，然后调用函数pca（x，a）（即本程序的主程序）输入的两个参数的意义是：一个是样本数据x，另外一个是主成分累积贡献率的一个闸值，作为选定主成分个数的一个重要数据。 即可得到样本的协方差矩阵，相关矩阵，相关矩阵的特征根及特征向量，主成分个数和主成分负荷矩阵。 -the procedures for the environment matlab6.5. under the command window i
TPAD2004
- 用matlab实现的主成分分析，线性回归函数-using Matlab achieve the principal component analysis, linear regression function.
icafsvm.rar
- 用于人脸识别的模糊独立成分分析+主成分分析，用模糊支持向量机进行的分类。,Fuzzy Face Recognition for independent component analysis+ principal component analysis, using fuzzy support vector machine classification.
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
PCAxmeas_fault1
- 主元分析方法（PCA）是一种基于多元统计分析的数据降维方法, 它利用过程变量间的相关关系, 建立正常工况下的主元模型, 通过检验新的数据样本相对于主元模型的背离程度, 从而发现异常和故障。 -Principal Component Analysis (PCA) is based on multivariate statistical analysis of the data reduction method, which uses the correlation between process
pca.c.tar
- c语言实现主成份分析的程序pca，对做主成分分析的朋友很有价值-c language program principal component analysis pca, Friends of the shots valuable component analysis
Principal component analysis program
- 改程序能够实现matlab主成分分析，并且可以运行成功，仅供大家互相学习参考(Principal component analysis program)
pca
- 该脚本可以用于降维或者特征选择，名字为主成分分析。(Dimensionality reduction)
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
- 用matlab对某一图像做主成分分析，求的图像的特征图。我是一个新手，这是看了别人的程序看不懂。麻烦大家帮忙看看给个简单一点的程序(Information entropy of the image)
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算