搜索资源列表
pcaBPneuralnetwork
- 用主成分分析与神经网络进行人脸的识别 文件是整个的ＭＡＴＬＡＢ数据文件-using principal component analysis and neural networks face identification document is the entire data file MATLAB
image_mva_0
- 一个利用Matlab实现PCA（主成分分析），k_means图像分割很好的例子。-using Matlab a PCA (Principal Component Analysis), k_means image segmentation good example.
PCA_Matlab_ana
- 主成分分析是把多个指标化为少数几个终合指标的一种统计分析方法。本源代码为matlab中源代码，并添加了相应的分析注解-Principal Component Analysis is more than a few indicators as a final indicator of a statistical analysis method. Source code for which the source code Matlab, and add the corresponding analy
LDA
- 人脸识别主成分分析LDA代码，MATLAB写的。-Principal Component Analysis LDA code written in MATLAB.
TPAD2004
- 用matlab实现的主成分分析，线性回归函数-using Matlab achieve the principal component analysis, linear regression function.
MatlabStudy
- 主成分分析法计算过程matlab实现软件，希望对大家有所帮助-principal component analysis calculation Matlab software, we hope to help
p-c-a
- 用于图像识别和特征提取时的主成分分析程序，采用Matlab编写。-for image recognition and feature extraction of principal component analysis procedures, the preparation of Matlab.
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
myPCA
- PCA主成分分析源程序，可以运行，简单易懂，MATLAB(PCA principal component analysis source program, can run, easy to understand, MATLAB)
第 07 章 基于主成分分析的人脸二维码识别
- 用MATLAB编写的基于PCA的人脸识别(PCA-based face recognition written in MATLAB)
PCA_based Face Recognition System
- 基于主成分分析pca的人脸识别matlab源码，用的是orl库(Face recognition matlab source code based on PCA)
基于PCA的人脸识别
- 主成分分析法(principal conponent analysis, PCA)也叫Hotelling变换或特征脸法，是基于 K-L变换基础上研发得到的。该方法的核心是能够降低图像空间的维度，具体做法是将原始的数据通过某种线性变换从高维度空间转变到低维度空间中，这些数据彼此不相关，根据贡献率选取最大的前一部分，使原数据具有最大的变化量，对后面的图像也向这个空间投影，然后比较它们之间的距离来确定类别关系。PCA方法的缺点是对光照问题比较敏感。
PLS模型样本分类matlab代码
- 偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很 多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归 建立的模型具有传统的经典回归分析等方法所没有的优点。 偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分 析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以 同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些 信息。
pca的matlab的实例1.doc
- matlab的pca主成分分析实操,懂得人自然会下载。
face recognition
- MATLAB人脸识别，采用主成分分析的人脸识别，程序不复杂。(MATLAB face recognition, using principal component analysis of face recognition, the program is not complex.)
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
主成分综合评价介绍原理及matlab程序
- 主要介绍主成分原理，给出matlab程序和实例分析，并有结果显示
matlab软件进行主成分因子分析
- 利用matlab软件进行主成分因子分析，文档中实例数据来源matlab自带数据文件
回归分析
- 回归分析的9种主要算法，包括（一元线性回归、多元线性回归、非线性回归、主成分分析、因子分析、自相关分析以及逐步回归分析等matlab代码以及算法说明。