搜索资源列表
PROGRAMMIFA
- 幂法求矩阵的特征值和特征向量 算法9.1 1． 输入矩阵A，初始向量X，误差限ε最大迭代次数N。 2． 置k=1，u=0。 3． 求xr=>λ，|xr|=max|xr|,i=1,….,n。 4． 计算 Y=X/λ，X=AY 5． 若|λ-u|〈ε，输出λ，X，停机；否则，转步骤6。 6. 若k<N，k+1=>k，λ=>u,转步骤3；否则，输出错误信息，停机
QR_LU_Eigenvalue
- 包括使用修正Gram-Schmit算法实现QR分解，自编LU分解、利用幂法和反幂法计算矩阵最大和最小特征值的程序。例外附有使用这些算法的例子供参考。 QR decomposition algorithm based on modified Gram-Schmit LU decomposition algorithm algorithm used to find maximum and minimum eigenvalue based on power and inverse power meth
mifa_eigen
- 使用经典的幂法求解矩阵的按模最大的特征值-to find out the largest eigenvalue of a matrix by the classical method
paper1005
- 基于最大最小特征值之差的频谱感知技术研究.pdf-DMM Based Spectrum Sensing Method for Cognitive Radio Systems
mifa
- 幂法与反幂法求矩阵按模最大与最小特征值。-The power method and the inverse power method Matrix mode the maximum and minimum eigenvalues.
Array-Class
- 这是一个实矩阵类，矩阵大小可更改 （1）矩阵的加、减、数乘和乘等运算； （2）矩阵的转置运算； （3）矩阵列向量的最大值与最小值； （4）矩阵列向量的内积运算，范数； （5）方阵的特征值与特征向量。-This is a real matrix type, matrix size can be changed (1) matrix addition, subtraction, multiplication and multiplication and other operati
RLS
- 基于RLS算法的数据预测与MATLAB实现—— 递归最小二乘（RLS)算法是一种典型的数据处理方法，递归最小二乘（RLS)算法在信号自适应滤波分析中广泛应用，递归最小二乘（RLS)算法收敛速度快，且对自相关矩阵特征值的分散性不敏感，然而其计算量较大。-RLS algorithm based on forecast data and MATLAB realization Recursive Least Squares (RLS) algorithm is a typical method
PCA
- Python实现PCA将数据转化成前K个主成分的伪码大致如下: ''' 减去平均数计算协方差矩阵计算协方差矩阵的特征值和特征向量将特征值从大到小排序保留最大的K个特征(Python PCA data into pseudo code before the K principal components are as follows: the characteristics of 'average minus the covariance matrix to calculate the covari
chengmi
- chengmi求矩阵A的按模最大特征值及其特征向量(finding the greatest eigenvalue and the greatest eigenvector of a matrix.)
附件
- lc; clear; A=[1 1.2 1.5 1.5; 0.833 1 1.2 1.2; 0.667 0.833 1 1.2; 0.667 0.833 0.833 1]; %因素对比矩阵A，只需要改变矩阵A [m,n]=size(A); %获取指标个数 RI=[0 0 0.58 0.90 1.12 1.24 1.32 1.41
bengtui_v75
- 实现了图像的加水印，去噪，加噪声等功能，基于欧几里得距离的聚类分析，AHP层次分析法计算判断矩阵的最大特征值。( Realize image watermarking, de-noising, plus noise and other functions, Clustering analysis based on Euclidean distance, Calculate the maximum eigenvalue judgment matrix of AHP.)
matlab表情识别
- Matlab表情识别，特征脸[1 ]作为面部表情分类的方法。首先，利用训练图像创建低维人脸空间（pca）。这是通过训练图像集主成分分析（PCA）及图片主成分分析（即具有较大特征值的特征向量）获得的。 结果，所有的测试图像以所选择的主成分表示，计算投影图像与所有投影列车图像的欧几里得距离，选择最小值以找出与试验图像最相似的训练图像。(The feature face [1] is used as a facial expression classification method. Firstly,