搜索资源列表
-
0下载：
主分量分析(PCA ) 是统计学中分析数据的一种有效的方法, 可以将数据从高维数据空间变换到低维特征空间, 因而
可以用于数据的特征提取及压缩等方面。在该文的形状识别系统中, 用PCA 法提取图像的形状特征, 能够较好地满足识别
层的输入要求。在识别层研究了3 种识别方法: 最近邻法则、BP 网络及协同神经网络方法, 均取得了满意的实验效果。-Principal component analysis (PCA) is a statistical analysis of data in a
-
-
0下载：
高光谱图像的一系列处理包括了例如融合压缩pca变换等等等等的程序。-Hyperspectral image processing includes a series of transformations such as the integration of compression pca, etc., etc. procedures.
-
-
1下载：
用神经网络中的PCA算法对人脸图像进行压缩及恢复-PCA with a neural network algorithm for image compression on the face and back
-
-
0下载：
the code conducts the image compression of the gray scale image up to 90 using 4 algos fft wavelet pca and cosine transform-the code conducts the image compression of the gray scale image up to 90 using 4 algos fft wavelet pca and cosine transform
-
-
0下载：
结合PCA和Wavelet进行图像压缩和特征提取等方面的研究-fuse wavelet and PCA for image compression,denoise and feature extraction
-
-
0下载：
The Principal Component Analysis (PCA) is one of the most successful techniques that have
been used in image recognition and compression. PCA is a statistical method under the broad
title of factor analysis. The purpose of PCA is to reduce the la
-
-
0下载：
进行pca提取，实现对于图像的压缩，有利于图像的进一步处理-To pca extract further processing for image compression, image
-
-
1下载：
内有操作说明： 操作说明.docx
加噪：高斯、椒盐等
去噪：小波、高斯、维纳及频域上的滤波（频率可调）
压缩：JPEG、小波、PCA、位平面、FFT、DCT
以上功能都集成在了GUI界面内-There are instructions: instructions docx plus noise: Gaussian, salt and pepper and other de-noising: wavelet, Gaussian, and Wiener filter in the
-
-
0下载：
主成分分析算法（PCA），可用于降维，也可用于处理图像相关性问题，提取主成分，分析图像细节信息和主要成分，用于图像压缩也可以-Principal component analysis algorithm (PCA), can be used for dimensionality reduction, can also be used to process images related issues, extracted principal component analysis and main
-
-
0下载：
基于主成分分析的图像压缩，通过传入图像矩阵、主成分配置、子块大小来进行PCA处理，可得到压缩重构的图像矩阵、压缩比、贡献率信息-Image compression based on principal component analysis, by passing the image matrix, the main component configuration, the sub-block size to PCA processing, compression can be obtained
-
