搜索资源列表
Object-Recognition-via-Sparse-PCA 利用稀疏主分量分析实现目标识别中的特征提取
- 利用稀疏主分量分析实现目标识别中的特征提取，包括论文和仿真代码。-Informative Feature Selection for Object Recognition via Sparse PCA
PCAbase.rar
- 这是PCA主分量分析在matlab中的基本应用，可以理解和学习体会下,This is the principal component analysis PCA in matlab basic applications, and learning experience can be understood under the
PCA
- 提出一种基于主分量分析和相融性度量的快速聚类方法。通过构造主分量空间将高维数据投影到两个主成分上 进行特征提取，每一个主分量都是原始变量的线性组合-Is proposed based on Principal Component Analysis and Measure of blending fast clustering method. Principal component space by constructing a high-dimensional data onto two p
PCA
- 使用Matlab实现的关于主分量分析PCA的方法的案例，可先实现仿真-Matlab achieved using principal component analysis PCA on the case method, the simulation can be achieved
PCA_demo
- 把多个变量化为少数几个互相无关的综合变量的统计分析方法就叫做主成分分析(Principal Component Analysis, 简称PCA)或主分量分析-The multiple variables into a few of them had nothing to do with each other, the statistical Analysis of comprehensive variables is known as Principal Component Analysis,
PCA_ORL
- 人脸识别技术作为生物体特征识别技术的重要组成部分，在近些年来已经发展成为计算机视觉和模式识别领域的研究热点。本实验是基于K-L变换的主成分分析法（PCA）在人脸识别中的应用，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，并对样本图像进行了重构。本实验在ORL人脸库的基础上，选用每人前5张图片，共计40人200幅样本图像，通过快速PCA算法将10304维的样本特征向量降至20维，并实现了基于主分量的人脸重建，验证了PCA算法在高维数据降维处理与特征提取方面的有效性。-Fac
eipqr
- 相关分析过程的matlab方法，ICA（主分量分析）算法和程序，Gabor小波变换与PCA的人脸识别代码。- Correlation analysis process matlab method, ICA (Principal Component Analysis) algorithm and procedures, Gabor wavelet transform and PCA face recognition code.