您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 对图像进行归一化,用于图像处理

  2. 对图像进行归一化,用于图像处理1.18%,而此时特征向量只选取前 15 维。融合特征中采用 PCA特征是由于它是均方误差最小意义下对原图像的最佳逼
  3. 所属分类:专业指导

    • 发布日期:2009-10-15
    • 文件大小:248byte
    • 提供者:longyuanyizhi
  1. 主元分析(PCA)技术分析与应用

  2. PCA是Principal component analysis的缩写,中文翻译为主元分析。它是一种对数据进行分析的技术,最重要的应用是对原有数据进行简化。正如它的名字:主元分析,这种方法可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构。它的优点是简单,而且无参数限制,可以方便的应用与各个场合。因此应用极其广泛,从神经科学到计算机图形学都有它的用武之地。被誉为应用线形代数最价值的结果之一
  3. 所属分类:专业指导

    • 发布日期:2009-11-04
    • 文件大小:564kb
    • 提供者:ixiaoqiang
  1. 基于PCA算法的人脸识别

  2. 利用PCA算法提供了一个高维和低维间的线性变换矩阵,这个变换矩阵可以通过求取协方差矩阵的特征向量获 得而无需其它参数。PCA可逆的线性变换矩阵对截断的误差在均方差意义下最小的特点,即以各维特征欧氏距离上的重建误差和最小为目标,平均对待每一维特征,来截取图像一部分能量,以降低获取数据的维数,提高识别的速度,同时尽可能地提高精度。
  3. 所属分类:其它

    • 发布日期:2009-11-27
    • 文件大小:252kb
    • 提供者:timeme
  1. 一种基于小波变换和PCA的人脸识别改进方法

  2. 针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分娄的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能
  3. 所属分类:其它

    • 发布日期:2009-11-27
    • 文件大小:283kb
    • 提供者:timeme
  1. 改进的三维模型检索PCA预处理算法

  2. 改进的三维模型检索PCA预处理算法,主成分分析方法的一种改进
  3. 所属分类:其它

    • 发布日期:2009-12-07
    • 文件大小:313kb
    • 提供者:xixi12354
  1. PCA在人脸识别方法中的比较研究

  2. 主成成份分析(PCA)方法是人脸识别技术中常用的一种一维特征抽取方法。但是传统PCA方法用于人脸识 别常常面临图像维数高,直接计算数量大的问题。为了解决这两个问题,人们对PCA进行了改进,提出并实现了多种基于 PCA的人脸识别。通过对三种基于PCA的人脸识别方法作了理论上的研究和实验上的性能比较。实验结果表明PCA+ 2DPCA是其中综合效果最好的一种方法。
  3. 所属分类:专业指导

    • 发布日期:2010-07-13
    • 文件大小:769kb
    • 提供者:Shawn1987
  1. PCA matlab源代码 经典

  2. pca主要使用降维方法,使得高维矩阵的特征值和特征向量可求。该源代码的输入为人脸数据,使用pca算法,输出为识别出的人脸。 算法详尽,有注解,值得一读!
  3. 所属分类:其它

    • 发布日期:2010-12-29
    • 文件大小:33kb
    • 提供者:lisacatlwq
  1. pca matlab代码 数据降维

  2. 这是一个pca matlab代码,用于数据降维,是一种非常常用的方法,先有代码附上以供参考
  3. 所属分类:其它

  1. C语言实现的一维PCA人脸识别

  2. 利用一维PCA算法,实现了人脸识别,测试通过
  3. 所属分类:其它

    • 发布日期:2011-08-03
    • 文件大小:977kb
    • 提供者:victoryknight
  1. PCA主成分分析原理及应用.doc

  2. PCA是Principal component analysis的缩写,中文翻译为主元分析/主成分分析。它是一种对数据进行分析的技术,最重要的应用是对原有数据进行简化。正如它的名字:主元分析,这种方法可以有效的找出数据中最“主要”的元素和结构,去除噪音和冗余,将原有的复杂数据降维,揭示隐藏在复杂数据背后的简单结构。它的优点是简单,而且无参数限制,可以方便的应用与各个场合。因此应用极其广泛,从神经科学到计算机图形学都有它的用武之地。PCA是Principal component analysis
  3. 所属分类:教育

    • 发布日期:2011-08-12
    • 文件大小:315kb
    • 提供者:wskwxf
  1. PCA主成分分析介绍,通俗易懂,最后附带matlab代码

  2. 比较通俗的一篇PCA主成分分析的介绍性文章,全英文,但是很容易读懂~~文章最后还附带Matlab的程序代码
  3. 所属分类:数据库

    • 发布日期:2012-03-30
    • 文件大小:117kb
    • 提供者:cyxueecust
  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

  1. PCA人脸识别——改

  2. 在图像处理中个,我们面对的一个问题是维度太高, 一幅2维的100*100,其实是在一个10000位的向量空间中, 如此高的维度,是得计算复杂度提高,但是,我们可以发现,并不是每个维度都是有用的信息,所以 提出了一系列的降维的方法,其中常见之一的方法是PCA,其思想是,高维的数据中,很多维度完全可以由其他维度来表示,所以, 可以用较少的维度来表示高维度的信息。本算法结合PCA,提出了新的降维方法
  3. 所属分类:专业指导

    • 发布日期:2012-11-21
    • 文件大小:3mb
    • 提供者:xwbzawxm
  1. 一维的pca算法

  2. 使用PCA(主成分分析)算法提取一维数字信号(数组)的特征,可用于信号的分类识别。
  3. 所属分类:其它

    • 发布日期:2013-07-19
    • 文件大小:1kb
    • 提供者:bobolinlintou
  1. 列表法和使用自相关矩阵的PCA算法对Iris分析

  2. 本次任务主要是利用快速近邻算法的列表法对Iris进行分类,若空间为无限多的样本时可以提高分类效率。并且利用相关矩阵的PCA算法对Iris进行压缩分析使四个特征向量较少至二维甚至为一维空间。使样本易于分析,可以更直观简便的对样本进行分析。
  3. 所属分类:其它

    • 发布日期:2014-09-19
    • 文件大小:5kb
    • 提供者:ssssss150671
  1. 基于dlib库实现的PCA

  2. 基于dlib实现的PCA代码,完整的封装。从文件中读取数据,写入matrix数组中,主成成成分分析程序可以计算协方差矩阵,特征值特征向量,每一维所含的信息量,信息量之和,降维后的数据,代码注释丰富。
  3. 所属分类:机器学习

    • 发布日期:2020-03-30
    • 文件大小:3kb
    • 提供者:Light_watcher
  1. PCA的数学原理

  2. PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线 性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只 描述了PCA的分析过程,而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理,帮助读者了解PCA的工 作机制是什么。3 在代数表示方面,我们经常用线段终点的点坐标表示向量,例如上面的向量可以表示为(3,2),这是我们再熟悉不过的向 量表示。
  3. 所属分类:机器学习

    • 发布日期:2019-07-02
    • 文件大小:713kb
    • 提供者:abacaba
  1. 哈工大讲义PCA算法Fisher准则

  2. 哈工大讲义PCA算法Fisher准则,主成分分析,哈工大研究生课程其中ˆ是根据()式将由原坐标系变换到新坐标系卜,然后再根据()式只使用 前’个特征恢复的近似矢量。如果用表示第个样本在新坐标系下的第维特征,由() 式和()式可以得到: 代入到()式: ∑[(-p)(-p) ∑|∑(-)(-) 其中第行到第行利用了{…}是新坐标系的基矢量,因此构成了一个标准止交 系: 而第行到第行则是基于如下事实:是一个标量,它的转置与其自身相等,并且 有()式成立,因此=(-)=[(-p)。如果定义矩阵: ∑(
  3. 所属分类:讲义

    • 发布日期:2019-03-03
    • 文件大小:596kb
    • 提供者:qq_27328663
  1. 高分辨雷达一维距离像的融合特征识别

  2. 雷达目标识别中,提取目标的有效特征将直接影响识别效果。针对雷达目标高分辨距离像(HRRP)具有平移敏感性,提出了一种基于多特征的融合特征来作为目标特征进行识别。利用PCA将三种平移不变特征融合,采用支持向量机算法来实现识别。仿真实验结果表明,该方法不仅降低了目标特征的存储量,同时也克服了高分辨距离像的平移敏感性,具有较高的识别率和很好的推广性。
  3. 所属分类:其它

    • 发布日期:2020-10-17
    • 文件大小:749kb
    • 提供者:weixin_38693524
  1. 通过基于多视图核规范的二维PCA特征提取和内核ELM进行高光谱图像监督分类

  2. 在本文中,我们提出了一种新颖的灵活框架,用于使用基于核规范的2D PCA提取的多视图光谱空间特征进行高光谱图像(HSI)分类。 我们首先使用基于岭回归的多假设(MH)预测方法从HSI生成3D空间特征数组。 然后,我们将基于核范数的2D PCA应用于前特征阵列的多视图切片(具有空间宽度和光谱维度或具有空间高度和光谱维度的图像),从而可以为重建误差切片,并进一步提取空间光谱特征。 最后,将3D空间光谱特征数组用于表示基于径向基函数(RBF)核的极限学习机(ELM)进行分类的HSI。 最后,采用多数表
  3. 所属分类:其它

    • 发布日期:2021-03-15
    • 文件大小:474kb
    • 提供者:weixin_38624914
« 12 3 4 5 6 7 8 9 10 »