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. pca+lda做特征降维snn分类器对数据进行分类

  2. pca+lda做特征降维snn分类器对数据进行分类，协同神经网络做模式识别，pca对整体原始数据进行降维处理，然后构造随机子空间分类器snn分类，效果不错

  3. 所属分类：其它

    • 发布日期：2011-05-26
    • 文件大小：6144
    • 提供者：liuzhi38865999

  1. pca实现数据降维，简单易懂

  2. 实现数据的降维，在图像处理上有很好的应用

  3. 所属分类：其它

    • 发布日期：2011-06-01
    • 文件大小：3072
    • 提供者：zhongyaodaima

  1. pca-svm 人脸识别

  2. pca和svm结合使用，可以实现降维分类，对于模式识别和图像处理都有很大的帮助

  3. 所属分类：项目管理

    • 发布日期：2011-06-09
    • 文件大小：3072
    • 提供者：renhui20506

  1. PCA降维处理C++代码

  2. 此程序是一个简单的PCA降维处理，程序中以SampleData.txt中的三维数据点作为输入，程序的输出存放在Results目录， 其中包括： 1. PCAResult.txt 存放经主元分析后在主元轴坐标系下的数据坐标。 2. DisplaySamples.ms 为3ds Max脚本文件，用3ds Max打开后可看到SampleData.txt表示的数据点。 3. DisplayResult.ms 为3ds Max脚本文件，用3ds Max打开后可看到将原3维数据在主元轴坐标系下降到2维后的

  3. 所属分类：C/C++

    • 发布日期：2011-10-20
    • 文件大小：138240
    • 提供者：zaojia1

  1. 基于PCA-HOG的人体检测代码-包括训练，PCA降维，线性、高斯检测

  2. 这是本人本科做的毕业设计，根据opencv里面人体检测的HOG代码改写，加上了完整的注释（opencv里面是没有任何注释的），并且增加了样本的训练（代码中只提供了PCA50-HOG的检测算子，如有其它需要可以自行训练），线性检测时使用线性SVM优化，高斯检测时使用PCA的降维。同时对候选区域整合代码做了简化处理。 最后感谢网上的各位好心人提供的各类资源，在毕业设计过程中给予了我很大帮助。鉴于网上仍然还有若干未解决的问题，今天把我所做的也分享给大家，希望能给还在探索ing的朋友一些启发。如果有任

  3. 所属分类：C++

    • 发布日期：2012-07-25
    • 文件大小：16777216
    • 提供者：xiaoxiaolishan

  1. 基于流形学习的数据降维

  2. 本文首先对目前典型的流形学习方法与核函数理论进行较为全面的分析， 并对 LE(LaplaceEigenmaPs)算法进行核化。此外，提出了一种PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合数据降维方法，并 在经典数据集和具有挑战性的数据集上取得了较好的降维效果。为了进一步说 明此算法的有效性，本文将此算法应用于手写字分类和人脸分类算法的预处理 过程中，得到了预期的效果。为了说明此算法的有效性，本文又进一步从理论 上

  3. 所属分类：专业指导

    • 发布日期：2012-11-13
    • 文件大小：3145728
    • 提供者：yuanzhenghaino1

  1. 主成份分析PCA算法代码-----最简介标注最全

  2. 目前，pca算法已经广泛应用于各方面，就拿图像处理，经常做的一件事就是当提取的图像特征维度比较高时，为了简化计算量以及储存空间，需要对这些高维数据进行一定程度上的降维，并尽量保证数据的不失真。

  3. 所属分类：其它

    • 发布日期：2014-03-02
    • 文件大小：3072
    • 提供者：cb_style

  1. 基于PCA-HOG的人体检测代码-包括训练，PCA降维，线性、高斯检测

  2. 这个是原作者“xiaoxiaolishan”上传的毕业设计，由于资源分的原因（要价颇高，10分(⊙o⊙)），有些网友不太方便下载，特上传一份，免积分供大家下载。PS：希望原作者不要骂我啊！ “这是本人本科做的毕业设计，根据opencv里面人体检测的HOG代码改写，加上了完整的注释（opencv里面是没有任何注释的），并且增加了样本的训练（代码中只提供了PCA50-HOG的检测算子，如有其它需要可以自行训练），线性检测时使用线性SVM优化，高斯检测时使用PCA的降维。同时对候选区域整合代码做了简

  3. 所属分类：C++

    • 发布日期：2015-06-25
    • 文件大小：16777216
    • 提供者：lijihw

  1. 主成分分析法降维处理

  2. 采用主成分分析法对图像特征进行降维处理，有实验数据，得能出实验结果

  3. 所属分类：其它

    • 发布日期：2016-02-27
    • 文件大小：8192
    • 提供者：heting5181126

  1. PCA算法工程

  2. 使用java eclipse开发的maven工程，实现pca主成分分析算法，并且应用对实际数据进行降维处理。实现降维和特征提取。

  3. 所属分类：Java

    • 发布日期：2016-05-20
    • 文件大小：30408704
    • 提供者：nma_123456

  1. PCA学习源码

  2. 包含了pca对二维数据的降维处理，和对人脸图像进行处理的程序

  3. 所属分类：机器学习

    • 发布日期：2017-12-27
    • 文件大小：3145728
    • 提供者：qq_25819827

  1. 高光谱图像pca分析特征提取

  2. 高光谱图像降维，可实现matlab对envi文件的直接读取，同时对高光谱图片直接处理。

  3. 所属分类：机器学习

    • 发布日期：2018-04-08
    • 文件大小：2048
    • 提供者：weixin_41808061

  1. SVM+PCA源代码主程序

  2. 利用SVM+PCA降维分类，程序中采用的数据集是ORL人脸库，该人脸库共有400副人脸图像，40人，每人10幅，大小为112*92像素，同一个人的表情，姿势有少许变化。 程序的流程主要分为三部分，数据的预处理(PCA降维和规格化)，数据的训练阶段，数据的识别阶段

  3. 所属分类：机器学习

    • 发布日期：2018-05-25
    • 文件大小：2048
    • 提供者：qq_38356760

  1. yale人脸数据+PCA进行降维处理

  2. 一次课程实验作业，用人脸数据集进行降维处理显示降维处理后的图像

  3. 所属分类：机器学习

    • 发布日期：2018-12-17
    • 文件大小：5242880
    • 提供者：qq_40149612

  1. 基于PCA-PSOSVM的煤自燃程度预测研究

  2. 针对煤自燃程度指标多且与气体产物之间存在复杂非线性关系的特点,将主成分分析理论(PCA)和支持向量机算法(SVM)相结合,建立了煤自燃程度的预测模型。对表征煤自燃程度的10个指标进行主成分分析,提取其中3个主要成分作为支持向量机的输入,利用MATLAB实现回归预测,运用粒子群算法(PSO)对支持向量机的参数寻优,并与遗传算法(GA)参数寻优进行了对比。预测结果显示,PCA-PSOSVM模型的预测精度相对较高,其相对误差绝对值的平均值为4.26%,而PSOSVM、GASVM和PCA-GASVM的相

  3. 所属分类：其它

    • 发布日期：2020-05-18
    • 文件大小：949248
    • 提供者：weixin_38618094

  1. 降维算法LDA用于分类

  2. 本资源是机器学习常见方法LDA（线性判别分析）的源码，其主要功能类似于PCA，都属于降维算法。本次实现是依托于项目工程，裁剪掉了图像预处理特征提取部分，是降维算法在分类问题上的一次实现，为Matlab代码实现

  3. 所属分类：机器学习

    • 发布日期：2020-04-02
    • 文件大小：3072
    • 提供者：qq_35372102

  1. 利用PCA降维方法处理高光谱图像（matlab）

  2. 新手教程，含搜集资料加代码。高光谱图像分类是高光谱遥感对地观测技术的一项重要内容，在军事及民用领域都有着重要的应用。然而，高光谱图像的高维特性、波段间高度相关性、光谱混合等使高光谱图像分类面临巨大挑战。一方面高光谱图像相邻波段之间相关性较大，存在较高的信息冗余。

  3. 所属分类：机器学习

    • 发布日期：2020-10-09
    • 文件大小：468992
    • 提供者：Sevenpoundsqq

  1. python实现PCA降维的示例详解

  2. 概述 本文主要介绍一种降维方法，PCA（Principal Component Analysis，主成分分析）。降维致力于解决三类问题。 1. 降维可以缓解维度灾难问题； 2. 降维可以在压缩数据的同时让信息损失最小化； 3. 理解几百个维度的数据结构很困难，两三个维度的数据通过可视化更容易理解。 PCA简介 在理解特征提取与处理时，涉及高维特征向量的问题往往容易陷入维度灾难。随着数据集维度的增加，算法学习需要的样本数量呈指数级增加。有些应用中，遇到这样的大数据是非常不利的，而且从大数据集中学习

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：152576
    • 提供者：weixin_38752897

  1. 无监督学习之PCA降维

  2. 无监督学习：通过无标签的数据，学习数据的分布或数据与数据之间的关系。 1. 降维算法 1 定义：用低维的概念去类比高维的概念．将高维的图形转化为低维的图形的方法。 1.1. 算法模块 ：PCA算法、NMF（非负矩阵分解）算法、LDA算法等。 1.2. Python库 ：sklearn.decomposution； 2. 主成分分析( PCA )降维算法 1 主成分分析：主成分分析( Principal Component Analysis, PCA )是最常用的一种降维方法，通常用于高维数据集的

  3. 所属分类：其它

    • 发布日期：2021-01-21
    • 文件大小：162816
    • 提供者：weixin_38500090

  1. 无监督学习PCA降维处理和K-means聚类

  2. 1、无监督学习 没有目标值（变量）的算法 常见的无监督学习算法： 降维： – 主成分分析PCA降维处理 聚类： – K-means（k均值聚类） 2、主成分分析 应用PCA实现特征的降维 ·定义：高维数据转化为低维数据的过程，在此过程中可能会舍弃原有数据、创造新的变量 ·作用：是数据维散压缩，尽可能降低原数据的维数（复杂度），损失少量信息。 ·应用：回归分析或者聚类分析当中 PCA的APA: ·sklearn.decomposition.PCA（n_components=None） – 将数据分

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：155648
    • 提供者：weixin_38696336
« 12 3 4 5 6 7 »