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.
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
CalcLDA
- PCA---主成分分析 LDA---线性区别分析此类实现结合两者的有缺点实现图像模式识别,其中需要有矩阵类-PCA principal component analysis --- --- LDA linear discriminant analysis combining the two to achieve such a flawed it Image is pattern recognition, which requires matrices
Pca-extraction
- pca进行特征提取源码，用matlab语言编写，pca即主成分分析-pca source for feature extraction using Matlab language, pca that Principal Component Analysis
pca
- 应用PCA（主成分分析）进行人脸识别的matlab程序，有较高成功率-PCA (Principal Component Analysis) face recognition Matlab procedures, which have a higher success rate
PCA(matlab)
- 主成分分析算法（PCA），这是一个外国人编写的，很具有参考价值-principal component analysis algorithm (PCA), which was prepared by a foreigner, it is very valuable reference
pca
- 这是一个模式识别中关于主成分分析的特征提取的matlab源码-This is a pattern recognition on the Principal Component Analysis Feature Extraction of Matlab FOSS
PCA
- 主成分分析并用散点图分析前三个主成分M代码，请指教。
pca
- 从物理意义的角度很好的解释了主成分分析法，是一篇很好的主成分分析入门文献。
matlab-pca
- matlab 主成分分析法程序，以目标威胁度评估为例
Matlab-pca-function
- Matlab中的主成分分析函数，对初学者比较适用
pca(ICA)
- PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序，他们是目前图像处理比较经典的特征提取方法
setupbasepack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_mathpack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
setup_chempack80_D6
- SDL Component suite for D6 SDL 组建是一套支持科学和工程计算的工业控件集，有10万行源码，50个例程. 3D 数据， 3D 数据，地图集，原子符号，β函数的情节的旋转，校验扫描的图像， CAS 登记号码，图表，颜色选择， 常量和兑换率，轮廓绘制，化学结构，化学数据，化学公式，Ｘ分配，群聚，转换程序，曲线适合， 地理数据，基体，图解，目录，配给，矩阵标签， eigenvectors， F-分布， FFT( 快速傅里叶变换) 小圆点的决定因素的数据库， 先进先出
PCA程序
- 实现主成分分析 % Usage: % [eigvector, eigvalue] = PCA(data, options) % [eigvector, eigvalue] = PCA(data) % % Input: % data - Data matrix. Each row vector of fea is a data point. % % options.ReducedDim
PCA
- 实现图片处理的传统pca降维，需要自己改文件路径(To reduce the dimension of traditional PCA in image processing, we need to change the file path by ourselves)
基于PCA的SVM分类
- 选择“BreastCancer”数据集，使用支持向量机(SVM)对其进行分类。作为对比，第一次对特征集直接进行支持向量机分类，第二次对特征集进行主成分分析法的特征提取后，再对特征提取后的特征集进行支持向量机分类。并且对比和分析了两次分类的结果。(The BreastCancer data set is selected and classified by Support Vector Machine (SVM). For comparison, the first time the featur
PCA-SVM-face
- 使用MATLAB语言，基于主成分分析和支持向量机进行人脸识别(MATLAB face detection)
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime