搜索资源列表
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
pca
- 主成分分析程序，可用于数据降维及特征提取。-Principal component analysis procedures, can be used for data dimensionality reduction and feature extraction.
ToolBox
- matlab图像处理工具相，使用了主成分分析，ANN，SVM等方法。-This toolBox used in the image processing(feature extraction and classification) PCA,LDA,ICA,DCT,RBF,RBE,GRNN,KNN,minimum distance,SVM, and others
KPCA
- 核主成分分析方法，是主成分分析的一种改进算法，是一种非线性的特征提取方法。 -Kernel principal component analysis, is the principal component analysis of an improved algorithm, is a nonlinear feature extraction method.
svm
- svm核主成分分析，简单实用，毕业论文程序-svm kernel principal component analysis, simple and practical, graduation procedures
KPCA_SVM_Train-jkk
- 主成分、支持向量机分类，matlab编写的-Principal component, support vector machine classification, matlab prepared
SVMPCA
- 在机器学习中经常会用到支持向量机，该代码是再使用支持向量机前对数据进行主成分分析的代码-We often meet support vector machine in machine learning , the code is about the principal component analysis befor using support vector machine (SVM).
pcaForSVM
- 支持向量机（SVM）主成分分析法进行预处理筛选变量- support vector machine (SVM)，PCA(principal component analysis)
locv
- 最先进的KPCA主成分提取法，加最先进的高斯SVM法，再加传统的交叉验证学习预测法。-The most advanced KPCA principal components extraction method, and the most advanced gaussian SVM method, then add the traditional cross validation forecast method of learning.
chapter13
- matlab实现PCA和SVM人脸识别 主成分分析 和 支持向量机-the matlab realize PCA and SVM face recognition
libsvm[by-faruto]
- 用libsvm支持向量机进行说话人识别，其中包括对语音的预处理，主成分分析，对语音的训练，识别-With SVM speaker recognition, including pretreatment of voice, principal component analysis
pcaForSVM
- svm(支持向量机)，用主成分分析法做降维预处理-pca for svm
tuxsbttn
- 一种流形学习算法（很好用），RMkfLRx参数包含特征值与特征向量的提取、训练样本以及最后的识别，包括最小二乘法、SVM、神经网络、1_k近邻法,FMCW调频连续波雷达的测距测角，KXnxFEf条件给出接收信号眼图及系统仿真误码率，包括主成分分析、因子分析、贝叶斯分析。- A fluid manifold learning algorithm (good use), RMkfLRx parameter Contains the eigenvalue and eigenvector extrac
fwxxaaht
- 是国外的成品模型，包括最小二乘法、SVM、神经网络、1_k近邻法,使用拉亚普诺夫指数的公式，用于建立主成分分析模型，利用贝叶斯原理估计混合logit模型的参数，matlab程序运行时导入数据文件作为输入参数，模拟数据分析处理的过程，自己编的5种调制信号。-Foreign model is finished, Including the least squares method, the SVM, neural networks, 1 _k neighbor method, Raya Punuo
pnnzatkb
- 直线阵采用切比学夫加权控制主旁瓣比，借鉴了主成分分析算法（PCA），包括最小二乘法、SVM、神经网络、1_k近邻法,多目标跟踪的粒子滤波器，包括主成分分析、因子分析、贝叶斯分析，利用贝叶斯原理估计混合logit模型的参数，包括面积、周长、矩形度、伸长度。- Linear array using cut than learning laid upon the right control of the main sidelobe ratio, It draws on principal compon
qxfvcfrk
- 用于建立主成分分析模型，毕业设计有用，实现串口的数据采集，LCMV优化设计阵列处理信号，包括最小二乘法、SVM、神经网络、1_k近邻法,抑制载波型差分相位调制，包括面积、周长、矩形度、伸长度，一些自适应信号处理的算法。- Principal component analysis model for establishing, Graduation useful Achieve serial data acquisition, LCMV optimization design array sign
分类器比较
- 支持向量机，线性判别分析，回归树，主成分判别分析，分类回归树，K临近算法(SVMLinear discriminant analysis, regression tree, principal component discriminant analysis, classification regression tree, K proximity algorithm)
基于主分量的人脸重构
- 本实验是基于主成分分析法（PCA）在人脸识别中的应用，采用SVM分类器在ORL人脸库的基础上通过Matlab实现了快速PCA算法的验证仿真。
(PCA+SVM)人脸识别
- 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)
基于PCA的SVM分类
- 选择“BreastCancer”数据集，使用支持向量机(SVM)对其进行分类。作为对比，第一次对特征集直接进行支持向量机分类，第二次对特征集进行主成分分析法的特征提取后，再对特征提取后的特征集进行支持向量机分类。并且对比和分析了两次分类的结果。(The BreastCancer data set is selected and classified by Support Vector Machine (SVM). For comparison, the first time the featur