搜索资源列表
用Gauss列主元消元法解线性方程组
- 解方程： 用Gauss列主元消元法解线性方程组 -solution equation : Gauss out PCA elimination method for solving linear equations using Gauss out PCA elimination method for solving linear equations
27_142
- 矩阵计算的c++代码，本矩阵类实现了对矩阵的一些基本操作，比如 +, -, *，求逆等。 实现了矩阵的列主元LU分解，并利用它实现了线性代数方程组的直接解法；还有线性方程组的迭代解法。 另外定义了一些非数学上但经常用到的一些操作 比如两个矩阵对应元素的相乘、相除，对矩阵的每个元素求abs,sqrt等-matrix calculation of c code, the matrices of the matrix to achieve some basic tasks, such
数值分析课程设计
- 本人的数值分析课程设计 ，比较完整！Gauss顺序消去法与Gauss列主元消去法是计算机上常用来求解线性方程组的一种直接的方法。就是在不考虑舍入误差的情况下，经过有限步的四则运算可以得到线性方程组的准确解的一类方法。-Numerical analysis of the curriculum design, a relatively complete! Gauss law and order eliminate Gauss out PCA elimination method is commonl
13709828698
- 本程序是应用数值分析对线性多元方程组的一种解法……高斯列主元消去法，把系数阵A进行对角化，再从下层至上层逐一求解。有问题请联系13709828698，李。 -this program is the application of numerical analysis of multi-linear equations of a solution ... out PCA Gaussian Elimination Act, A coefficient matrix put right for k
matlab-code
- matlab解线性方程组的源代码 function x=nagauss2(a,b,flag) ％ 用途：选列主元Gauss消去法解线性方程组ax=b ％ 格式：x=nagauss2(a,b,flag) a为系数矩阵，b为右端列向量，flag若为0，则显示中间过程 -Matlab solution of linear equations source code function nagauss2 x = (a , b, flag)% purposes : a selection P
tina
- Ｃ＋＋解线性方程组 复系数方程组的全选主元高斯消去法-C + + solution of linear equations of complex equations of the entire election PCA Gaussian Elimination
gaussjor
- 全主元高斯－约当消去法，解线性方程组，内含函数以及调用例子-all PCA Gauss-Jordan elimination method, the solution of linear equations, functions and includes examples Call
shizhifenxi
- 数值分析算法描述与习题解答，由清华大学徐士良教书，用C编写的各种数学算法。比如：托伯利兹型线性代数方程组的递推算法，全选主元高斯消去法解复系数线形代数方程组，复矩阵求逆的全选主元高斯-约当法，等；-numerical analysis algorithm descr iption and answer the questions from Qinghua University XU Shi-liang, teaching C prepared by the various mathematica
xy11111111111
- 使用全选主元高斯,约当消去法求解线性方程组-use PCA Gaussian election, when the elimination of about solving linear equations
kernel-linear-principal-componenet
- this principle component analysis(PCA) that is used for linear dimensionality reduction and feature extraction as well as the nonlinear form of PCA which is KPCA and how PCA is used for Active shape models -this is principle component analysis(PCA) t
PCA
- 主成分分析，将多个变量通过线性变换以选出较少个数重要变量的一种多元统计分析方法。-Principal Component Analysis(PCA)，a multivariate statistical analysis method, which is based on the linear transformation of multiple variables to fewer important variables.
pca
- 基于主元分析的异常检测和故障诊断，用于对具有高度线性相关的测量数据进行分析和处理，其最终实现高维空间降维的目的。-Anomaly detection based on principal component analysis and fault diagnosis, used for highly linear correlation measurement data analysis and processing, its ultimate achieve the goal of higher
pca
- pca+src主成分分析是一个定量的严格的可以起到简化作用的方法。它产生一组叫做主成分的新变量，每一个主成分是原始变量的线性组合。-pca+ src principal component analysis is a quantitative strict action can play a simplified approach. It generates a new set of variables, called principal components, each principal
Linear-learner
- 基于PCA的线性学习器的分类方法，含完整Matlab程序及训练测试集，用于人脸识别。-Linear learner
Gauss--for-solving-linear-equations
- 高斯列主元消去法解线性方程组，计算方法的数值解法基础介绍-Gauss out PCA elimination method for solving linear equations, numerical solution method calculated on the basis of presentation
PCA
- PCA（Principal Component Analysis）不仅仅是对高维数据进行降维，更重要的是经过降维去除了噪声，发现了数据中的模式。 PCA把原先的n个特征用数目更少的m个特征取代，新特征是旧特征的线性组合，这些线性组合最大化样本方差，尽量使新的m个特征互不相关。从旧特征到新特征的映射捕获数据中的固有变异性。-PCA (Principal Component Analysis) is not just for high-dimensional data dimensiona
pca_2d
- PCA分析算法实现二维降维处理，实例简单易懂(PCA whitening and ZCA whitening algorithms,and also describe how you can implement them using efficient linear algebra libraries)
Example2_2.m
- 将p维的样本线性映射到k维空间上（k<p）。而且，这k个维度是相互正交（不相关）的。这k个方向就是主成分，并且是重新构造出来的，而不是简单地从原来p维中去除p-k维。(To map sample linear P dimension to K dimensional space (k<p). Moreover, the K dimensions are orthogonal to each other (not related). The K direction is the mai
程序
- pca 主成分分析的matlab代码。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。(PCA principal component analysis matlab code. Principal component analysis (Principal Component, Analysis, PCA) is a statistical method
线性判别分析(linear discriminant analysis)
- LDA是一种监督学习的降维技术，也就是说它的数据集的每个样本是有类别输出的，这点和PCA不同。PCA是不考虑样本类别输出的无监督降维技术。