搜索资源列表
kpca_azaaza
- 核主成分分析KPCA算法源码[matlab]
kpca
- 核主成分分析法,用matlab实现,极为精彩.不可错过
KPCA
- 核主成分分析，MATLAB编写，可用于人脸识别等模式识别问题，欢迎使用。
kpca
- 核主成分分析算法KPCA 的matlab程序/代码 基于二维数据的。-kernel principal component analysis
kpca_azaaza
- kpca 基于核主成分分析的源程序，有注释，希望对大家有帮助！-kpca based on kernel principal component analysis, source code, there are comments, want to help you!
KPCAEXAMPLE
- 一个很好的核主成分分析matlab程序应用举例。该程序是在前人的核主成分分析程序基础上做了适当的修改产生的，可用于多维数据的降维和压缩处理。-A good kernel principal component analysis matlab application procedures, for example. The program is in the predecessors of Kernel Principal Component Analysis based on the proce
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
KPCA
- 为解决PCA不适合多指标综合分析中非线性主成分分析的问题 ,采用核主成分分析 (kpca)方法 ,对我国不同地区 16种腐乳的品质进行了综合评价。 -PCA is not suitable to address the many indicators of a comprehensive analysis of non-linear principal component analysis of the problem, using Kernel Principal Component An
KPCA5
- 一个号的核主成分分析的人脸识别算法，整个程序非常的清楚明了！-A number of kernel principal component analysis for face recognition algorithms, the whole process is very easy to understand!
KPCA_p
- 核主成分分析中使用多项式核函数时的MATLAB代码，有注释，易看懂。-Kernel Principal Component Analysis in the use of polynomial kernel function of the MATLAB code, annotated, easy read.
kpca
- 核主成分分析 把图像投影到核空间上进行主成分分析 抽取特征向量进行识别-KPCA
liek2dpca
- 二维核主成分分析 把图像的列投影到核空间上进行主成分分析 抽取特征向量进行识别-K2DPCA
backfitting
- 核主成分分析方法 可将低维空间数据转至高位空间的内积，再转至源空间-Kpca can be low to high dimension space data within the space of deposition, turn again to the source of space
TestWaveletKernel
- 有关图形图像的核主成分分析方法 一个很好的例子-Relevant graphic image of kernel principal component analysis method is a good example
KPCA
- 核主成分分析方法，是主成分分析的一种改进算法，是一种非线性的特征提取方法。 -Kernel principal component analysis, is the principal component analysis of an improved algorithm, is a nonlinear feature extraction method.
svm
- svm核主成分分析，简单实用，毕业论文程序-svm kernel principal component analysis, simple and practical, graduation procedures
kpca
- 基于聚类分析的核主成分分析，简单实用，希望对大家有帮助。-Based on cluster analysis of kernel principal component analysis, simple and practical, we want to help.
核主成分分析
- 在具有降维作用的核主成分分析方法基础上增加一个核函数成为新的核主成分分析方法。(On the basis of kernel principal component analysis with dimension reduction, a kernel function is added to be a new kernel principal component analysis method.)
核函数主成分分析KPCA
- 在多元统计领域中，核函数主成分分析(kernel principal component analysis, kernel PCA)是利用核函数方法技术对主成分分析(PCA)的扩展。使用核函数使原PCA的线性操作是在一个复制的内核希尔伯特空间中执行的。 KPCA的运算步骤势在PCA之前首先对数据进行kernel变换 ，再求相关系数矩阵。(In the field of multivariate statistics, kernel principal component analysis (ke
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