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