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. matlab编程 PCA.m

  2. 主成分分析的matlab编程 直接调用即可

  3. 所属分类：专业指导

    • 发布日期：2011-07-22
    • 文件大小：4096
    • 提供者：sky_you

  1. 独立成分分析 PCA

  2. 　　主成分分析 （ Principal Component Analysis ， PCA ）是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变量分离出来

  3. 所属分类：其它

    • 发布日期：2011-07-30
    • 文件大小：2048
    • 提供者：wangshuaiqun

  1. CMatrix Class

  2. Introduction ============ This is a class for symmetric matrix related computations. It can be used for symmetric matrix diagonalization and inversion. If given the covariance matrix, users can utilize the class for principal component analysis(PCA)

  3. 所属分类：C++

    • 发布日期：2011-12-06
    • 文件大小：63488
    • 提供者：fly2rain

  1. PCA的MATLAB实现

  2. 网上搜集到的几份PCA代码，全部为MATLAB语言，PCA.m为一个独立调用的韩式，完成PCA功能。pca2D.m完成通过PCA完成2D数据的分割。其余的比较复杂，有需要的可以研究一下。

  3. 所属分类：教育

    • 发布日期：2012-02-21
    • 文件大小：7168
    • 提供者：aqchina204

  1. Detection of signals by information theoretic criteria

  2. IEEE经典论文，介绍了主成分分析中选择主成分个数的指标，Akaike的信息论指标和最小描述长度指标，作为信号子空间维数m的函数。

  3. 所属分类：电信

    • 发布日期：2013-10-26
    • 文件大小：731136
    • 提供者：u012374709

  1. 主成分分析(PCA)

  2. 主成分分析 （ Principal Component Analysis ， PCA ）或者主元分析。是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。计算主成分的目的是将高维数据投影到较低维空间。给定 n 个变量的 m 个观察值，形成一个 n ′ m 的数据矩阵， n 通常比较大。对于一个由多个变量描述的复杂事物，人们难以认识，那么是否可以抓住事物主要方面进行重点分析呢？如果事物的主要方面刚好体现在几个主要变量上，我们只需要将这几个变

  3. 所属分类：Python

    • 发布日期：2015-05-18
    • 文件大小：901
    • 提供者：heisediwei

  1. MATLAB实现主成分分析

  2. function [M,mappedX ] = pca(X, no_dims) %PCA Perform the PCA algorithm % % [mappedX, mapping] = pca(X, no_dims) % % The function runs PCA on a set of datapoints X. The variable % no_dims sets the number of dimensions of the feature points in the % e

  3. 所属分类：专业指导

    • 发布日期：2015-09-20
    • 文件大小：2048
    • 提供者：qq_22248495

  1. 基于主成分分析的中国各地区家庭平均消费支出分析

  2. 压缩包内含pca.m源代码以及中国各地区农村居民家庭平均每人现金消费支出的表格，各行代码功能备注详细利于学习，MATLAB直接运行即可。

  3. 所属分类：软件测试

    • 发布日期：2018-06-12
    • 文件大小：6144
    • 提供者：y505065976

  1. 主成分分析法

  2. 附件中为matlab软件中的主成分分析法PCA的主函数m文件。

  3. 所属分类：讲义

    • 发布日期：2019-02-19
    • 文件大小：1024
    • 提供者：qq_31802605

  1. 使用Stata做主成分分析.pdf

  2. 使用Stata做主成分分析,利用stata如何做主成分分析做了详细的解释0171215 使用 Stata做主成分分析 original data space PCA component space PC 1 PC 2 PC 1 Gene 2 Gene t 图1 但是,对于更高维的数据,能想象其分布吗?就算能描述分布,如何精确地找到这些主成分的 轴?如何衡量你提取的主成分到底占了整个数据的多少信息?所以,我们就要用到主成分分析的 处理方法。 3.数据降维 为了说明什么是数据的主成分,先从数据降维说

  3. 所属分类：讲义

    • 发布日期：2019-07-16
    • 文件大小：3145728
    • 提供者：qingjiang1793

  1. PCA的实现函数fastPCA.m

  2. 主成分分析PCA，数据降维。线性变换，降至k维，将中心化的矩阵投影到低维空间的基中，V就是低维空间的基。

  3. 所属分类：医疗

    • 发布日期：2019-12-31
    • 文件大小：976
    • 提供者：hzu_yjf

  1. 主成分分析PCA利用matlab实现方法.m

  2. 主要介绍了主成分分析matlab的实现，基本展示了主成分的步骤，无需修改参数，就可以使用

  3. 所属分类：专业指导

    • 发布日期：2019-07-21
    • 文件大小：6144
    • 提供者：weixin_44174194

  1. PCA的Iris实现.m

  2. matlab程序，PCA的Iris实现，用于特征提取十分有效。主成分分析是实现降维（Dimension Reduction）的重要方式

  3. 所属分类：电信

    • 发布日期：2020-05-26
    • 文件大小：605
    • 提供者：hlw2810235908

  1. PCA.m 主成分分析

  2. PCA（Principal Components Analysis）即主成分分析，是数据处理中经常用到的降维方法，对高维度特征数据进行预处理，降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。

  3. 所属分类：互联网

  1. prog0907.m

  2. pca主成分分析法 有助有帮助初学者进行学习，PCA步骤： （1）对原始数据进行标准化处理 （2）计算样本相关系数矩阵 （3）计算相关系数矩阵R的特征值和相应的特征向量 （4）选择重要的主成分，写出主成分表达式 下例中企业综合实力排序问题，其中各列分别为：企业序号；净利润率；固定资产利润率；总产值利润率；销售收入利润率；产品成本利润率；物耗利润率；人均利润；流动资金 x = 1.0000 40.4000 24.7000 7.2000 6.1000

  3. 所属分类：数据库

    • 发布日期：2020-09-20
    • 文件大小：2048
    • 提供者：weixin_46197830

  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. 任务二：主成分分析：步骤、应用及代码实现。代码可以用任何你熟悉的编程语言。

  2. 任务二：主成分分析：步骤、应用及代码实现。代码可以用任何你熟悉的编程语言。 主成分分析是将多指标化为少数几个综合指标的一种统计分析方法，这种降维的技术而生成的主成分，能够反映原始变量的绝大部分信息，通常表示为原始变量的线性组合。PCA的思想是将n维特征映射到m维上（m<n），这m维是全新的正交特征，称为主成分，这m维的特征是重新构造出来的，不是简单的从n维特征中减去n-m维特征。PCA的核心思想就是将数据沿最大方向投影，数据更易于区分。 PCM降维步骤： 1.我们一般选择一行是一个特征，对

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：49152
    • 提供者：weixin_38631389

  1. xmca:Python中的最大协方差分析-源码

  2. Python中的最大协方差分析 最大协方差分析（MCA）使两个不同数据字段之间的时间协方差最大化，并且与主成分分析（PCA）/经验正交函数（EOF）分析密切相关，后者使单个数据字段内的方差最大化。 MCA允许提取两个不同数据字段之间的主要共变模式。 xmca模块可将numpy.ndarray和xarray.DataArray用作输入字段。 测验 python -m unittest discover -v -s tests/ 核心功能 标准MCA / PCA 最大化协方差而不是相关==>

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：3145728
    • 提供者：weixin_42133918

  1. mspca:多尺度主成分分析算法-源码

  2. mspca（MSPCA） 多尺度主成分分析。 多尺度PCA（MSPCA）结合了PCA提取变量之间的互相关或关系的能力，以及正交小波的能力，以从随机过程中分离确定性特征，并使测量之间的自相关近似解相关[1]。 图1. MSPCA模型的示意图[2]。 图2.数据多尺度表示的示意图[2]。 参考 [1] Bhavik R. Bakshi，《多尺度PCA及其在多元统计过程监控中的应用》，俄亥俄州立大学，1998年。 [2] M. Ziyan Sheriff，Majdi Mansouri，M。N

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：544768
    • 提供者：weixin_42138376

  1. 基于M-PCA-N的字典学习用于音频信号的稀疏表示

  2. 当前用于信号稀疏表示的流行词典学习算法是K均值奇异值分解（K-SVD）和K-SVD扩展。 一次仅使用rank-1逼近来更新一个原子，并且无法有效应对大型词典。 为了解决这两个问题，本研究提出了M-主成分分析-N（M-PCA-N），这是一种用于字典学习和稀疏表示的算法。 首先，M主成分分析（M-PCA）利用来自SVD分解的前M个等级的信息来一次更新M个原子。 然后，为了进一步利用剩余等级中的信息，通过将来自随后的N个非主要等级的信息转换为前M个主要等级，在M-PCA的基础上提出了M-PCA-N。

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38645865
« 12 »