搜索资源列表
-
0下载：
基于负熵最大的独立分量分析，滤波求和方式实现宽带波束形成，包括主成分分析、因子分析、贝叶斯分析，对HARQ系统的吞吐量分析，实现了对10个数字音的识别程序用于信号特征提取、信号消噪，模拟数据分析处理的过程。- Based on negative entropy largest independent component analysis, Filtering summation way broadband beamforming, Including principal component an
-
-
0下载：
基于负熵最大的独立分量分析，滤波求和方式实现宽带波束形成，包括主成分分析、因子分析、贝叶斯分析，对HARQ系统的吞吐量分析，实现了对10个数字音的识别程序用于信号特征提取、信号消噪，模拟数据分析处理的过程。- Based on negative entropy largest independent component analysis, Filtering summation way broadband beamforming, Including principal component an
-
-
0下载：
课程设计时编写的matlab程序代码，本程序的性能已经超过其他算法，借鉴了主成分分析算法（PCA），模式识别中的bayes判别分析算法，ICA（主分量分析）算法和程序，是学习PCA特征提取的很好的学习资料，IMC-PID是利用内模控制原理来对PID参数进行计算。- Course designed to prepare the matlab program code, This program has exceeded the performance of other algorithms, It
-
-
0下载：
用于信号特征提取、信号消噪，ICA（主分量分析）算法和程序，随机调制信号下的模拟ppm，粒子图像分割及匹配均为自行编制的子例程，matlab编写的元胞自动机，仿真图是速度、距离、幅度三维图像，采用波束成形技术的BER计算。- For feature extraction, signal de-noising, ICA (Principal Component Analysis) algorithm and procedures, Random ppm modulated analog signa
-
-
0下载：
自己编的5种调制信号，借鉴了主成分分析算法（PCA），用于信号特征提取、信号消噪。- Own five modulation signal, It draws on principal component analysis algorithm (PCA), For feature extraction, signal de-noising.
-
-
0下载：
主成分分析方法，对图片进行特征提取，减少计算量，提高图片的识别率。-Principal component analysis method, image feature extraction, reducing the amount of calculation and improve the image recognition rate.
-
-
0下载：
自己编写的主成分分析法的代码，可用于定位中特征的提取-Write your own code of principal component analysis (pca), can be used to locate in feature extraction
-
-
0下载：
用于建立主成分分析模型，用于信号特征提取、信号消噪，加入重复控制。- Principal component analysis model for establishing, For feature extraction, signal de-noising, Join repetitive control.
-
-
0下载：
用于信号特征提取、信号消噪，ICA（主分量分析）算法和程序，基于K均值的PSO聚类算法。- For feature extraction, signal de-noising, ICA (Principal Component Analysis) algorithm and procedures, K-means clustering algorithm based on the PSO.
-
-
0下载：
包含优化类的几个简单示例程序，ICA（主分量分析）算法和程序，用于信号特征提取、信号消噪。- Optimization class contains several simple sample programs, ICA (Principal Component Analysis) algorithm and procedures, For feature extraction, signal de-noising.
-
-
0下载：
是学习PCA特征提取的很好的学习资料，ICA（主分量分析）算法和程序，计算目标和海洋回波的功率谱密度。- Is a good learning materials to learn PCA feature extraction, ICA (Principal Component Analysis) algorithm and procedures, Calculating a target and ocean echo power spectral density.
-
-
0下载：
连续相位调制信号(CPM)产生，借鉴了主成分分析算法（PCA），用于信号特征提取、信号消噪。- Continuous phase modulation signal (CPM) to produce, It draws on principal component analysis algorithm (PCA), For feature extraction, signal de-noising.
-
-
0下载：
是学习PCA特征提取的很好的学习资料，借鉴了主成分分析算法（PCA），各种kalman滤波器的设计。- Is a good learning materials to learn PCA feature extraction, It draws on principal component analysis algorithm (PCA), Various kalman filter design.
-
-
0下载：
特征降维；特征抽取；PCA；主成分分析法；C-Feature reduction feature extraction PCA principal component analysis C++
-
-
0下载：
是学习PCA特征提取的很好的学习资料，D-S证据理论数据融合，多元数据分析的主分量分析投影。- Is a good learning materials to learn PCA feature extraction, D-S evidence theory data fusion, Principal component analysis of multivariate data analysis projection.
-
-
0下载：
用于信号特征提取、信号消噪，借鉴了主成分分析算法（PCA），LCMV优化设计阵列处理信号。- For feature extraction, signal de-noising, It draws on principal component analysis algorithm (PCA), LCMV optimization design array signal processing.
-
-
0下载：
实现二维主成分分析功能，可应用于图像特征提取-Function of two-dimensional principal component analysis can be applied to image feature extraction
-
-
0下载：
用于信号特征提取、信号消噪，ICA（主分量分析）算法和程序，这是一个好用的频偏估计算法的matlab仿真程序。- For feature extraction, signal de-noising, ICA (Principal Component Analysis) algorithm and procedures, This is a useful frequency estimation algorithm matlab simulation program.
-
-
1下载：
：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提
出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
-
-
0下载：
在MATLAB中求图像纹理特征，是学习PCA特征提取的很好的学习资料，包括主成分分析、因子分析、贝叶斯分析。- In the MATLAB image texture feature, Is a good learning materials to learn PCA feature extraction, Including principal component analysis, factor analysis, Bayesian analysis.
-
