搜索资源列表
rgb
- 读取并分解24位真彩图像,可以提取其中数字的特征值并输出,也可输出分解后的图像-Read and decomposition of 24-bit true color image, you can extract the characteristics of digital values and output, can output the image decomposition
SignCorrectionInSVDandPCA
- 虽然奇异值分解(SVD)和特征值分解(EVD的)是行之有效的,可以通过先进的设施设备先进的算法,它不是通常所说,有一个内在的迹象,可以显着影响的不确定性的结论计算及诠释来自其结果。我们提供一个解决方案,标志模糊的问题确定了从奇异向量的内积和个人数据载体签署奇异向量的迹象。该数据可能有不同的载体,但它有它自身的定位和实际意义的选择方向,其中多数的向量点。这可以通过评估发现了内心的签署标志产品的总和。-Although the Singular Value Decomposition (SVD) a
ff7bca1d9f3f
- 实现自适应小波分解,提出图像特征值,计算图像均值方差,接口简单好用-Adaptive wavelet decomposition of the image feature value, calculate the mean variance of the image, easy-to-use interface...
tuxiangfenxi
- 在matlab中对大量的轴承故障的特征信号进行小波包分解,提取特征值,并建立神经网络训练,最终可由网络进行故障的分析-In matlab large number of bearing fault characteristic signal wavelet packet decomposition, extract characteristic values, and the establishment of neural network training, and ultimately by
PCA_K
- PCA的思想为将图像的协方差矩阵分解,获得分解后的方向向量。然后将数据分别投影到某一个方向上去,获得与原图象近似的图像。当然,与最大特征值所对应的特征向量方向获得最好的图像。因此,PCA方法可以作为降维的一种方法。留下在某些方向较好的图像,而抛弃那些在另外一些方向上不好的图像。-PCA ideas as to decompose the covariance matrix of the image, the direction vector obtained after decompositio
CLASSICALMUSIC1
- MUSIC算法[1] 是一种基于矩阵特征空间分解的方法。从几何角度讲,信号处理的观测空间可以分解为信号子空间和噪声子空间,显然这两个空间是正交的。信号子空间由阵列接收到的数据协方差矩阵中与信号对应的特征向量组成,噪声子空间则由协方差矩阵中所有最小特征值(噪声方差)对应的特征向量组成。MUSIC算法就是利用这两个互补空间之间的正交特性来估计空间信号的方位。噪声子空间的所有向量被用来构造谱,所有空间方位谱中的峰值位置对应信号的来波方位。MUSIC算法大大提高了测向分辨率,同时适应于任意形状的天线阵列
ROOTMUSIC
- 针对非圆信号DOA估计问题,提出了一种基于实值特征值分解 (Eigenvalue decomposition,EVD)的求根MUSIC算法.首先利用非圆信号为实值信号的特点,将阵列上的接收数据及其共轭用欧拉公式转换为实值正弦与 余弦数据,然后将正弦与余弦数据进行串联,从而扩展了数据维数.由于采用实值矩阵的EVD,因此在EVD阶段的运算量简化为复值EVD的1/4.根据 EVD后获得的信号与噪声子空间的特点,对噪声子空间和导向矩阵进行重构以便于可以使用求根MUSIC算法获取对DOA的估计.仿真实验验
svtrpca
- 基于特征值分解的低秩图像分解程序,将目标图像分割为背景和前景之和,参数可以在运行中依据目标图像的实际情况进行调节,注意目标图像不要过大,否则会溢出。-Based on Eigenvalue Decomposition of low rank image decomposition process, the target image into the background and the foreground and, in the operation parameters can be base
watermark
- 用矩阵特征值分解的方法给图片添加水印和提取水印。(This is a simple example that a watermark is added in a picture with the Eigenvalue Decomposition method.)