搜索资源列表
PCA
- PCA主成分分析,提取主特征,降维处理(PCA principal component analysis is used to extract the main features and reduce the dimensionality)
codegg
- 根据给出的数据分析公司债券投资的相关性行为及推断可能存在的控制团体(According to the relevance behavior of the data analysis firms bond investment and infer the possible control groups)
Nonlinear PCA toolbox for MATLAB
- 压缩文件夹中主要包含用于非线性主成分分析的程序(Nonlinear PCA toolbox for MATLAB)
anritsutraceview
- 基于MATLAB程序对多变量进行多元统计分析中的主成分分析指令(Principal component analysis instruction of multivariate statistical analysis based on MATLAB program)
MATLAB_PCA
- 利用MATLAB进行主成分分析代码,利用MATLAB自带主成分分析函数进行主成分分析,只有湘西注释。(Using MATLAB for principal component analysis code, using MATLAB with principal component analysis function for principal component analysis, only Xiangxi Notes.)
PCA
- 利用matlab进行pca主成分分析,简单易懂,适合新手(The use of MATLAB PCA, principal component analysis, simple, suitable for beginners)
kpca
- 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。(An improved algorithm of principal component analysis is a nonlinear feature extraction method)
41972254PCA_ORL
- 代码是关于主成分分析的人脸识别,使用orl人脸图像集(The code is about principal component analysis of face recognition using ORL face image set)
2pca
- 对数据进行主成分分析,以达到数据的降维。(The principal component analysis is performed to reduce the dimensionality of the data.)
基于主分量的人脸重构
- 本实验是基于主成分分析法(PCA)在人脸识别中的应用,采用SVM分类器在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真。
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