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. 图像融合，像素级遥感图像融合算法主要有IHS变换法、小波变换法、主成分分析（PCA）法和Brovey变换法。这几种融合算法理论比较成熟，并且在特定方面都有很好的融合效果。

  2. 像素级遥感图像融合算法主要有IHS变换法、小波变换法、主成分分析（PCA）法和Brovey变换法。这几种融合算法理论比较成熟，并且在特定方面都有很好的融合效果。

  3. 所属分类：其它

    • 发布日期：2010-05-11
    • 文件大小：196608
    • 提供者：jinshamingyuan

  1. 主成分分析法（PCA）

  2. 本课件详细的介绍了主成分分析法，值得读读。

  3. 所属分类：专业指导

    • 发布日期：2011-09-04
    • 文件大小：194560
    • 提供者：maskie

  1. 主成分分析法（PCA）原理及代码

  2. 主成分分析法（PCA）原理及代码,无资源分要求 ~~~~~~~~~~~~

  3. 所属分类：其它

    • 发布日期：2011-10-17
    • 文件大小：47104
    • 提供者：mickgrant

  1. pca算法（主成分分析算法）

  2. 简单的pca算法与应用 主成分分析法 matlab源代码

  3. 所属分类：其它

    • 发布日期：2012-05-07
    • 文件大小：13631488
    • 提供者：whfhrt

  1. pca算法代码

  2. pca具体的matlab算法代码，pca（主成成分分析法）是一种很好的算法，可以应用在人脸识别等方面！

  3. 所属分类：其它

    • 发布日期：2012-05-09
    • 文件大小：3072
    • 提供者：xyyhcl

  1. PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序

  2. 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

  3. 所属分类：C

    • 发布日期：2014-12-26
    • 文件大小：3072
    • 提供者：qxd12345678

  1. 基于PCA的人脸识别技术的研究

  2. 用主成分分析法（PCA）对训练集图片降维，根据特征根来判断不同主成分的累计贡献率，选取累计贡献率超过80%的主成分，然互对测试集进行测试。

  3. 所属分类：讲义

  1. PCA-GUI人脸识别matlab代码

  2. 该代码是利用PCA（主成分分析法）进行人脸识别，并且融合了GUI，有着很好的学习价值。

  3. 所属分类：讲义

    • 发布日期：2017-06-20
    • 文件大小：11534336
    • 提供者：unou6xnu

  1. PCA（主成分分析法）

  2. 内容包括八个小节，简单易懂 1、如何使信息损失最少 2、更高维度的处理 3、协方差矩阵 4、PCA 的推导过程 5、PCA 的计算过程 6、实例--将二组数据其降到一维 7、 特征数 K 的选择 8、 关于 PCA 的注意事项

  3. 所属分类：机器学习

    • 发布日期：2017-12-30
    • 文件大小：517120
    • 提供者：c1091422337

  1. PCA人脸识别

  2. 使用PCA（主成分分析法）在ORL人脸库上实现人脸识别。

  3. 所属分类：机器学习

    • 发布日期：2018-02-28
    • 文件大小：6291456
    • 提供者：liuyingying0418

  1. 主成分分析法（PCA）原理介绍（课件）

  2. 主成分分析法（PCA）原理介绍，课件很详细，值得观看，

  3. 所属分类：教育

    • 发布日期：2018-12-25
    • 文件大小：1048576
    • 提供者：wq6qeg88

  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. 基于主成分分析的荧光磁粉检测缺陷识别技术

  2. 主成分分析法（PCA）在图像识别中有广泛应用，有着较好的特征提取性能。荧光磁粉检测是一种无损检测技术。目前在裂纹缺陷的识别上依然使用的是人眼观察，而其他步骤都已经实现了自动化。本文使用基于加权平均的中值滤波算法对图像去噪，使用大津法对图像进行了阈值分割，再利用PCA算法对荧光磁粉检测中的图像进行识别，建立了一个自动识别系统。实验结果证明，该系统可以准确识别裂纹有无，还可以对简单的缺陷种类（直线裂纹，气泡）进行分类。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：303104
    • 提供者：weixin_38713039

  1. 特征脸(Eigenface)理论基础之PCA主成分分析法

  2. 在之前的博客 人脸识别经典算法一：特征脸方法（Eigenface）里面介绍了特征脸方法的原理，但是并没有对它用到的理论基础PCA做介绍，现在做补充。请将这两篇博文结合起来阅读。以下内容大部分参考自斯坦福机器学习课程：http://cs229.stanford.edu/materials.html 假设我们有一个关于机动车属性的数据集{x(i);i=1,…,m}（m代表机动车的属性个数），例如最大速度，最大转弯半径等。假设x(i)本质上是n维的空间的一个元素，其中n<<m，但是n对我们

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：117760
    • 提供者：weixin_38722607

  1. 机器学习之PCA

  2. PCA（主成分分析法—Principal Component Analysis）一. 求数据的前n个主成分二. 高维数据映射为低维数据 一. 求数据的前n个主成分 紧接着上次汇报的内容： ⟶将周围离散的点分别映射到这条直线上\stackrel{将周围离散的点分别映射到这条直线上}{\longrightarrow}⟶将周围离散的点分别映射到这条直线上​ 该直线所在的轴为我们的第一主成分，得到的结果就是这些样本点直接距离的方差是最大的 显然我们现在所求的不仅仅是局限在二维空间中，当维数增加时，我

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：358400
    • 提供者：weixin_38502183

  1. 机器学习之PCA

  2. PCA（主成分分析法—Principal Component Analysis）一. 求数据的前n个主成分二. 高维数据映射为低维数据 一. 求数据的前n个主成分 紧接着上次汇报的内容： ⟶将周围离散的点分别映射到这条直线上\stackrel{将周围离散的点分别映射到这条直线上}{\longrightarrow}⟶将周围离散的点分别映射到这条直线上​ 该直线所在的轴为我们的第一主成分，得到的结果就是这些样本点直接距离的方差是最大的 显然我们现在所求的不仅仅是局限在二维空间中，当维数增加时，我

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：358400
    • 提供者：weixin_38675967

  1. 数据压缩预备知识（二）主成分分析法及其python实现

  2. 一、概述 主成分分析法（PCA）主要应用于数据降维。其思想是使用较少的变量来取代原先较多的变量，以实现节省数据量的效果。需要指出，若原始变量之间互相正交，即线性无关，则主成分分析法没有效果。 二、原理 假定有n个样本，每个样本有p个变量描述，则所有数据构成了一个n*p阶的矩阵X X = [[dat1], [dat2], ..... [datn]] 但我们希望通过q个变量来描述这些数据（q<p），最简单地，可以取之前p个变量的线性组合，记为Z。对于n中的第i个数据，有 Z[i,

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：56320
    • 提供者：weixin_38691703

  1. 基于AP聚类和PCA的故障检测

  2. 为了提高精度，减少时间消耗并获得故障数量，提出了一种基于AP（亲和传播）聚类和PCA（主成分分析）的故障检测方法。 首先，利用连通分量标注法在地震视界中寻找不连续点。 其次，采用AP聚类算法对不连续点进行聚类，并使用同一聚类的点确定断层，同时对地震剖面中存在的断层进行了定量化。 最后，采用PCA来计算同一群集中包含的不连续点的主方向。 结果，相应的聚类中心和主方向确定了一条直线，被聚类边缘截取的部分就是我们想要的断层。 所提出的方法减少了传统方法相关计算的时间消耗。 简化了计算工作，获得了地震断

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：805888
    • 提供者：weixin_38734037

  1. PCA（主成分分析法）

  2. PCA（主成分分析法）

  3. 所属分类：机器学习

    • 发布日期：2021-02-24
    • 文件大小：2048
    • 提供者：LL20246033

  1. 基于主成分分析法的人脸识别的探讨与研究

  2. 人脸识别是生物特征识别和人工智能领域特别重要的课题之一。讨论了统计主成分分析法（Principal Component Analysis，PCA）在人脸识别中的应用。PCA是基于统计的方法，可以对人脸库数据起到降低维数、去除相关性等作用。通过Kauhunen-Loeve变换（K-L变换）将人脸库变换到新的坐标系，得到人脸特征子空间，然后将待测人脸图像投影到特征子空间，最后利用2-范数距离分类器进行分类，从而达到识别的目的。最后利用人脸库对其进行了测试。

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：1048576
    • 提供者：weixin_38638033
« 12 3 »