注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 主成分分析（PCA）的MATLAB程序

  2. 主成分分析（PCA）的MATLAB程序，本程序利用主成分分析进行回归分析。

  3. 所属分类：其它

    • 发布日期：2010-01-30
    • 文件大小：1024
    • 提供者：audyxiao

  1. 主成分分析算法进行人脸识别的代码

  2. 利用主成分分析算法实现人脸识别。首先训练样本脸库，训练好样本后，再对测试人脸进行识别，该系统能达到很高的识别率

  3. 所属分类：其它

    • 发布日期：2010-08-26
    • 文件大小：183296
    • 提供者：ningzuoting

  1. 主成分分析（PCA ）

  2. 主成分分析 （PCA）用VC++实现的 完成高维数据的降维

  3. 所属分类：C++

    • 发布日期：2010-12-21
    • 文件大小：808960
    • 提供者：lll2012

  1. 主成分分析PCA降维的MATLAB程序实现代码

  2. 在MATLAB中实现用主成分分析（PCA）的方法对矩阵的降维.其中包括具体程序实现代码，为了增加程序的可读性，对程序的主要步骤都进行了解释。

  3. 所属分类：其它

    • 发布日期：2011-03-09
    • 文件大小：1024
    • 提供者：lq1225txy

  1. 主成分分析（PCA）

  2. 对主成分分析进行讲解，讲解什么是pca,是和初学者和相关研究人员

  3. 所属分类：C

    • 发布日期：2011-09-05
    • 文件大小：940032
    • 提供者：zhuwentao1991

  1. 主成分分析原理

  2. 这个文档详细介绍了主成分分析（PCA）的推导过程，如果扎扎实实看懂了，可以对主成分分析有比较深刻的理解。

  3. 所属分类：专业指导

    • 发布日期：2013-04-14
    • 文件大小：293888
    • 提供者：u010026938

  1. 主成分分析PCA代码

  2. 很好的主成分分析（PCA）代码，看完之后对主成分的具体用法可以有一个很好的了解，很赞

  3. 所属分类：专业指导

    • 发布日期：2014-11-21
    • 文件大小：2048
    • 提供者：oqqxing1991

  1. 基于主成分分析（PCA）相位提取算法程序

  2. 基于主成分分析（PCA）相位提取算法，可以用于大于等于3幅干涉图的相位提取。

  3. 所属分类：其它

  1. 主成分分析（内含完整的PCA的MATLAB代码以及原理讲解的Word文档）

  2. 主成分分析（内含完整的PCA的MATLAB代码以及原理讲解的Word文档）

  3. 所属分类：C

    • 发布日期：2020-04-12
    • 文件大小：105472
    • 提供者：qq_36596540

  1. 基于主成分分析（PCA）的人脸识别实验设计

  2. 本科期间做的一个课程设计，觉得比较好玩，现将之记录下来。其中包含实验所用图库及源程序。 实验目的： （1）学习主成分分析（PCA）的基础知识； （2）了解PCA在人脸识别与重建方面的应用； （3）认识数据降维操作在数据处理中的重要作用； （4）学习使用MATLAB软件实现PCA算法，进行人脸识别，加深其在数字图像处理中解决该类问题的应用流程。

  3. 所属分类：互联网

    • 发布日期：2020-06-25
    • 文件大小：22020096
    • 提供者：qq_42091428

  1. 主成分分析法PCA.docx

  2. 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。

  3. 所属分类：机器学习

    • 发布日期：2020-07-10
    • 文件大小：20480
    • 提供者：a3012203250

  1. 具体介绍sklearn库中：主成分分析（PCA）的参数、属性、方法

  2. 转载请注明出处：https://editor.csdn.net/md?articleId=104839136 文章目录主成分分析（PCA）Sklearn库中PCA一、参数说明（Parameters）二、属性（Attributes）三、方法（Methods）四、示例（Sample）五、参考资料（Reference data） 主成分分析（PCA） 主成分分析（Principal components analysis，以下简称PCA）的思想是将n维特征映射到k维上（k<n），这k维是全新的

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：168960
    • 提供者：weixin_38568548

  1. 主成分分析（Principal Component Analysis，PCA）

  2. 文章目录1. 总体主成分分析2. 样本主成分分析3. 主成分分析方法3.1 相关矩阵的特征值分解算法3.2 矩阵奇异值分解算法4. sklearn.decomposition.PCA 主成分分析（Principal Component Analysis，PCA）是一种常用的无监督学习方法 利用正交变换把由线性相关变量表示的观测数据 转换为 少数几个由线性无关变量表示的数据，线性无关的变量 称为 主成分 主成分的个数通常小于原始变量的个数，所以PCA属于降维方法 主要用于发现数据中的基本结构，即数

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：110592
    • 提供者：weixin_38627234

  1. PCA_ElectTransp：电子传输数据的主成分分析（PCA）-源码

  2. 电子传输数据的主成分分析（PCA） 这是将主成分分析应用于电子传输数据的示例。 它是在我对分子动力学数据处理方法的本科研究期间，在我的家庭大学圣卡塔琳娜联邦大学（UFSC）的路易斯·雷戈（Luis Rego）教授的指导下开发的。 这只是我们工作的一小部分，如果您对我们目前正在研究的内容感兴趣，请访问我们的实验室页面： 数据源和PCA的使用 我们的数据是在这里通过模拟Double-Linker增感剂与表面的相互作用而在实验室中人工生成的。 我们对这些带电结构连接到表面时如何转移电子（电荷）感兴

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：953344
    • 提供者：weixin_42153691

  1. 主成分分析（PCA）原理详解

  2. 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做主成分分析和奇异值分解方面的项目，所以记录一下心得体会。在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：771072
    • 提供者：weixin_38693084

  1. 主成分分析（PCA）简介

  2. 主成分分析实例：一个平均值为(1,3)、标准差在(0.878,0.478)方向上为3、在其正交方向为1的高斯分布。这里以黑色显示的两个向量是这个分布的协方差矩阵的特征向量，其长度按对应的特征值之平方根为比例，并且移动到以原分布的平均值为原点。在多元统计分析中，主成分分析（英语：Principalcomponentsanalysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：305152
    • 提供者：weixin_38680764

  1. face_recognizer_pca_orl：使用主成分分析（PCA）和ORL图像数据库的人脸识别器-源码

  2. 使用带有ORL图像数据库的主成分分析（PCA）的人脸识别器。 该项目中使用的库： -OpenCV -脾气暴躁 -垫图 -斯克莱恩 结果 算法：LBPHFaceRecognizer PCA数：1，准确性得分：96.75％ PCA分数：2，准确性得分：96.75％ PCA数：3，准确性得分：96.75％ PCA分数：4，准确性得分：96.75％ PCA分数：5，准确性得分：94.31％ PCA分数：6，准确性得分：95.12％ PCA分数：7，准确性得分：95.12％ PCA分数：8，准确性得

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42128558

  1. PCA-主成分分析-：主成分分析（PCA）是迄今为止最流行的降维算法。 首先，它确定最靠近数据的超平面，然后将数据投影到其上-源码

  2. PCA主成分分析 到目前为止，主成分分析（PCA）是最流行的降维算法。 首先，它确定最靠近数据的超平面，然后将数据投影到其上。 PCA用于分解一组解释最大方差的连续正交分量中的多元数据集。 在scikit-learn中，PCA被实现为一个转换对象，该对象以其fit方法学习n个组件，并可用于新数据以将其投影到这些组件上。 如果由于输入维数太大而使学习算法太慢，那么使用PCA加快速度可能是一个合理的选择。 这可能是PCA的最常见应用。 #PCA的另一个常见应用是数据可视化。 在代码的这一部分

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：2048
    • 提供者：weixin_42120275

  1. 主成分分析（PCA）原理详解

  2. 上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后，颇有体会。最近在做主成分分析和奇异值分解方面的项目，所以记录一下心得体会。在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。如果分别对每个指标进行分析，分析往往是孤立的，而不是综合的

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：771072
    • 提供者：weixin_38650508

  1. 主成分分析（PCA）简介

  2. 主成分分析实例：一个平均值为(1,3)、标准差在(0.878,0.478)方向上为3、在其正交方向为1的高斯分布。这里以黑色显示的两个向量是这个分布的协方差矩阵的特征向量，其长度按对应的特征值之平方根为比例，并且移动到以原分布的平均值为原点。 在多元统计分析中，主成分分析（英语：Principalcomponentsanalysis，PCA）是一种分析、简化数据集的技术。主成分分析经常用于减少数据集的维数，同时保持数据集中的对方差贡献最大的特征。这是通过保留低阶主成分，

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：305152
    • 提供者：weixin_38642897
« 12 3 4 5 6 7 8 9 10 ... 14 »