搜索资源列表
KL变换
- KL变换模式识别作业三 一、编程要求： 编程实现KL变换，并对TM六波段图像进行演算。 KL变换的思想是：从n维特征选取m维特征，删去的n-m维特征不一定就是无用的信息，如何在信息损失最小的情况下选取特征，在理论上就显得更严密些。通常采用正交变换，得到新的经变换的模式， 以保证信息损失最小情况下获得有利于分类的特征。 二、编程思想： 将6副图象依次输入获得灰度值存在一个6*size(size为一副图象的像素数)的二维数组中，计算每个波段的灰度均值，然后计算协方差矩阵，得出特征值
sap
- 使用有监督的近邻传播聚类算法进行特征波段选取-Neighbors using a supervised clustering algorithm for propagation characteristics of selected bands
feature-weight-learning
- 自己搜集的一些关于特征波段权重学习的参考文献，希望对大家在特征选择一块有帮助-Own collection of some of the features of the band on the weights learning references, we want to choose a helpful feature
eeg_feature_extraction
- 对eeg的五个波段进行提取, 脑电信号数据原始采集的脑电，输出5个不同波段幅值，(extract 5 wave bands of eeg signals)
bi_sipls
- siPLS和biPLS是两种用于近红外光谱特征波段筛选的变量选择方法，可筛选出与兴关注指标密切相关的特征波段，并去除无关和干扰变量，提高模型稳健性(Bipls and sipls are two variable selection methods for screening the characteristic intervals of near-infrared spectra, which are closely related to performance indicators, to
数据(1)
- DEAP 数据库 EEG_feature.txt 包含了1216个脑电信号样本的160维特征，每行为一个样本，每列为一种特征。特征从左至右分别是每个脑电电极的theta（1-32列）、slow alpha（33-64列）、alpha（65-96列）、beta（1-97128列）、gamma（129-160列）波段的脑电特征。 subject_video.txt 包含了1216个脑电信号对应的32名被试和38段视频信息，其中包含两列。第一列是对应的被试编号，第二列是对应的视频编号。 EEG_
连续投影算法
- 连 续 投 影 算 法(SPA)是 一 种 使 矢 量 空 间 共 线 性最小化的前向变量选择算法， 它的优势在于提取全波段的几个特征波长， 能够消除原始光谱矩阵中冗余的信息，可用于光谱特征波长的筛选。(One of the advantages of spa is that it can be used to eliminate the redundancy of the original spectral features.)
iVISSA
- 光谱特征波段的筛选，选择光谱数据中具有代表性的变量用以建立定量预测模型(This file is used to filter the spectral characteristic variables)