搜索资源列表
pca+lda
- 模式识别PCA+LDA的C++源代码，用于图像的主分量分析-pattern recognition PCA LDA C source code for the image of Principal Component Analysis
2006071611223344
- 使用KL变换和主分量分析的人脸识别小程序，使用MATLAB-KL transform and use PCA Face Recognition small, the use of MATLAB
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th
pca
- PCA算法程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
主分量变换
- 主分量变换，不要密码。-PCA transform, not passwords.
pca源程序
- 基于pca（核主元）的方法，提取混合信号中的主分量
PCA-and-rebuild
- 主要介绍主分量分析，怎样提取主要特征来重构原始信号。-Introduces the principal component analysis, extracting the main features of how to reconstruct the original signal.
Kernel_PCA
- 基于核的主分量分析方法的提出者亲自写的程序（基于MATLAB-a MATLAB m-file of Kernel PCA
pca_analysis
- 程序说明：y = pca(mixedsig)，程序中mixedsig为 n*T 阶混合数据矩阵，n为信号个数，T为采样点数。y为 m*T 阶主分量矩阵。n是维数，T是样本数。-Procedure Note: y = pca (mixedsig), the program mixedsig for the n* T-order mixed data matrix, n is the signal number, T the sampling points. y for m* T-order pri
pca
- 神经计算的实验作业。用principle components analysis计算模式的主分量。提取线性输入的特征。-Neural computing experiment operations. Computing model using principle components analysis of the principal component
fuse_pca
- 基于主分量分析的图像融合算法实现，matlab实现，直接输入两幅图像即可-PCA-based image fusion algorithm, matlab implementation, two images can be directly
nnpca
- 利用主分量分析(PCA)进行模式识别，包括主分量分析运算的主要函数，以及相关应用的例子。-Using principal component analysis (PCA) for pattern recognition, including the principal component analysis of the main function of computing, and related application examples.
pca
- 本程序基于MATLAB仿真工具实现主分量分析-The program is based on MATLAB simulation tools principal component analysis
PCA
- 对给定的数据，利用PCA求取数据中主分量-Given the data, using principal component in the PCA data to strike
PCA
- 采用数字图像主分量分析（PCA）算法实现人脸识别（身份认证或分类）-Principal components using digital image analysis (PCA) algorithm for face recognition (identity or category)
PCA
- 主分量分析方法，用一组维数为数不多的特征尽可能精确地表示样本的特征，通常采用训练样本总体协方差矩阵的特征向量系作为展开基(即K-L坐标轴)-Principal component analysis, said the characteristics of the samples as accurately as possible using one of the few characteristics of a group of dimension, usually the overall tr
PCA
- 主分量分析，用于对脑电信号的判别分析，也可用于其他的二分类分析。-the classifier of principle component analysis,using for EEG and binary classification
PCA
- 实用的主分量分析程序。程序中mixedsig为 n*T 阶混合数据矩阵，n为信号个数，T为采样点数, y为 m*T 阶主分量矩阵。-The practical primary component analysis program. Program mixedsig n* T Order Mixed data matrix, n is the number of signals, T is the sampling points, y is M* T stage primary component
PCA
- 提取数据的主分量成份，对数据信息的主成份进行提取和分析-Extract data of principal component elements, principal component extraction and analysis of data information
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。