您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pca和KPCA的基本介绍

  2. 主成分分析的基本原理、基于核的主成分分析 对比介绍
  3. 所属分类:数据库

    • 发布日期:2011-09-08
    • 文件大小:419kb
    • 提供者:zou986947503
  1. PCA、KPCA完整程序

  2. PCA。KPCA完整程序,又起来比较简单
  3. 所属分类:C

    • 发布日期:2011-12-01
    • 文件大小:1kb
    • 提供者:yangwu198710
  1. matlab降维工具箱

  2. 该文档详述matlab语言各类降维算法的实现,包扩pca、kpca等经典降维算法
  3. 所属分类:其它

    • 发布日期:2013-11-28
    • 文件大小:598kb
    • 提供者:xyniubaobao
  1. 流行学习工具箱

  2. 关于非线性降维的算法,流行学习,有PCA、KPCA、LDA、局部切空间排列,等距映射,局部保持投影等大部分流形学习的代码
  3. 所属分类:专业指导

    • 发布日期:2014-10-24
    • 文件大小:1mb
    • 提供者:u013232710
  1. KPCA用于TE过程的程序(matlab)

  2. pca用于对TE的过程故障诊断中,很好用的一个程序。希望采纳
  3. 所属分类:其它

    • 发布日期:2015-09-08
    • 文件大小:2kb
    • 提供者:anita23
  1. matlab 人脸识别

  2. PCA、KPCA、LDA 和 MDS 四种分类,, Baysian 分类器、BP 神经网络、ELM、SVM 四种降维
  3. 所属分类:数据库

    • 发布日期:2017-01-10
    • 文件大小:2mb
    • 提供者:qq_35692282
  1. 统计模式识别工具箱

  2. 包括各种统计学习模式识别方法,PCA,KPCA,Fisher,贝叶斯分类,聚类、密度估计、线性判别函数
  3. 所属分类:机器学习

    • 发布日期:2017-12-21
    • 文件大小:5mb
    • 提供者:qq_27391399
  1. 通过svm cnn knn对高光谱数据集PaviaU进行分类(matlab)

  2. 本资源主要通过matlab对Paviau高光谱数据集进行分类,使用了pca、kpca、lda三种数据降维方法以及svm、knn、cnn三种数据分类算法。
  3. 所属分类:机器学习

    • 发布日期:2018-08-12
    • 文件大小:35mb
    • 提供者:weixin_37402233
  1. PCA、KPCA数据降维C++实现

  2. C++实现数据降维,包括PCA、KPCA两种方法,资源为Visual Studio2013完整工程代码。
  3. 所属分类:C++

    • 发布日期:2018-08-27
    • 文件大小:2mb
    • 提供者:u010442908
  1. 数据降维的处理工作接触到drtoolbox工具箱

  2. 线性降维是指通过降维所得到的低维数据能保持高维数据点之间的线性关系。线性降维方法主要包括PCA、LDA、LPP(LPP其实是LaplacianEigenmaps的线性表示);非线性降维一类是基于核的,如KPCA,此处暂不讨论;另一类就是通常所说的流形学习:从高维采样数据中恢复出低维流形结构(假设数据是均匀采样于一个高维欧式空间中的低维流形),即找到高维空间中的低维流形,并求出相应的嵌入映射。非线性流形学习方法有:Isomap、LLE、LaplacianEigenmaps、LTSA、MVU --
  3. 所属分类:机器学习

    • 发布日期:2019-03-26
    • 文件大小:1019kb
    • 提供者:sinat_41793955
  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. 一种KPCA的快速算法

  2. 针对大训练集时核主分量分析(KPCA)的计算代价大、特征提取速度慢等问题,提出一种KPCA 的快速算法.该算法通过训练样本在特征空间所张成的子空间的一组标准正交基,将训练集上的KPCA 过程,转化为以所有核训练样本在这组基下的坐标为数据集的PCA过程.其求解过程只需特征值分解一个阶数等于基的个数的矩阵,而且对某样本进行特征提取时,只需计算该样本与构成这组基的样本间的核函数.实验结果验证了该算法的有效性.
  3. 所属分类:其它