当前位置：
首页 资源下载
搜索资源 - Principal component analysis PCA
搜索资源列表
-
0下载：
态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
-
-
0下载：
为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
-
-
0下载：
利用MATLAB进行主成分分析代码，利用MATLAB自带主成分分析函数进行主成分分析，只有湘西注释。(Using MATLAB for principal component analysis code, using MATLAB with principal component analysis function for principal component analysis, only Xiangxi Notes.)
-
-
0下载：
通过主成分分析可以对混合物量测矩阵进行svd分解，截取特征值大的变量，可以滤掉一些无关信息，使计算量更小(Through the principal component analysis of the mixture can be measured matrix svd decomposition, interception of large eigenvalues of variables, you can filter out some irrelevant information, so
-
-
1下载：
高光谱遥感与传统的单波段、多光谱数据相比，波段量大量增加、波段宽度极大降低，对地面目标的光谱特性的测度更加细致，然而波段的增多必然导致数据量急剧增加、计算量增大、信息冗余增加以及统计参数的估计偏差增大。因此，对高光谱数据进行降维处理具有重要意义。一方面，降维能够使图像远离噪声，提高图像数据质量；另一方面，能够去除图像中的无价值波段，减少波段数，从而降低计算量，提高运算效率。主成分分析是常用的高光谱数据降维处理方法之一。(Compared with the single band, hypersp
-
-
0下载：
主成分分析是多元统计分析中用来分析数据的一种方法，它是用一种较少数量的特征对样本进行描述以达到降低特征空间维数的方法(Principal component analysis is a method of data used in multivariate statistical analysis, it is describing the samples with characteristics of a small number of methods to reduce the dimens
-
-
2下载：
PCA算法详细介绍：word版可以打印，值得与君共欣赏(PCA:Principal Component Analysis)
-
-
0下载：
代码是关于主成分分析的人脸识别，使用orl人脸图像集(The code is about principal component analysis of face recognition using ORL face image set)
-
-
0下载：
对数据进行主成分分析，以达到数据的降维。(The principal component analysis is performed to reduce the dimensionality of the data.)
-
-
0下载：
principal component analysis Based Face Recognition System.
-
-
1下载：
人脸识别，降维 加分类，主成分分析降维，支持向量机分类(Face recognition, principal component analysis reduced Vega classification, dimension reduction, support vector machine classification)
-
-
0下载：
进行PCA计算，是mooc网站上吴恩达课程提供的材料，包含主成分分析和聚类分析两个(Conduct principal component analysis)
-
-
0下载：
EOF 分析，EOF本身就是多元统计分析中的主分量分析PCA在气象场序列中的应用，多元正态变量X(x1,x2,x3,..,xp)可理解为空间上网格点资料序列，也可理解为任何一组具有不同物理意义的多元正态变量。(EOF itself is the application of principal component analysis PCA in the field of meteorological statistics. Multivariate normal variable X (x1,
-
-
0下载：
主成分分析的RPCA递归算法，参考论文为2005年Xie(RPCA recursive algorithm for principal component analysis, reference paper for 2005 Xie)
-
-
0下载：
该方法利用人脸具有镜像对称的自然特性，依据奇偶分解原理，生成成镜像奇、偶对称样本，井利用人脸对称图像作为训练样本，再利用主分量分析(PCA)对训练样本进行二阶相关和降维处理，然后对处理后的样本进行ICA特征提取。理论和分析实验证明，该算法有效减线了人脸受到视角、光照、人脸表情、姿势变化等因素的最响，又增加了训练样本容量，减少了计算复杂度，同时有效解决了小样本问题，提高了识别率.(The method uses the natural characteristics of mirror symme
-
-
0下载：
这是主成分分析pca和fld的代码，主要实现特征降维。(This is the principal component analysis of pca and fld code, the main feature reduction dimension.)
-
-
0下载：
PCA主成分分析源程序，可以运行，简单易懂，MATLAB(PCA principal component analysis source program, can run, easy to understand, MATLAB)
-
-
0下载：
完成主成分分析算法的源程序，算法的源程序，(The source program of the principal component analysis algorithm, the source program of the algorithm,)
-
-
0下载：
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。(It is a statistical method. Through orthogonal transformation, a set of variables that can be correlated can be transformed into a group of linearly irrel
-
-
0下载：
使用核函数，在matlab环境下实现非线性主成分分析(Using kernel function to realize nonlinear principal component analysis in Matlab environment.)
-
