搜索资源列表
基于NSVM的SVM分类器
- 基于NSVM的两类SVM分类器，matlab7.1运行通过，main中做了PCA的特征提取、leave one out cross-valiation和5-fold cross-validation（重复10次的平均值）
PCA_LDA.rar
- 《机器学习》课上的作业，PCA和LDA降维，尽管网上很多，但很少注释，另外细节上也没注意。这里有很详细的注释。另外还附上一个Naive贝叶斯分类器，大家可以作比较。附带的图像包是OLR人脸。ReducedDim为想要提取的特征数，不是百分比！," Machine learning" classes on the homework, PCA and LDA dimensionality reduction, even though a lot of online, but f
pca
- 运用奇异值分解定理的PCA方法在ORL人脸库上进行人脸识别，分类器为最近邻分类器,-The use of singular value decomposition theorem of PCA method in ORL face database for face recognition, nearest neighbor classifier for the classifier,
PCA_ORL
- Matlab环境下，实现用PCA方法提取EigenFace,之后通过SVM方法对人脸图像进行分类识别。-Face recognition via PCA and SVM method
PCA-SVM
- 在PYTHON里面，采用LIBSVM，实现对TE数据的多类故障的分类。-In PYTHON inside, using LIBSVM, TE data to realize the classification of many types of failures.
PCA
- 对输入的高维特征向量进行pca降维后输出低维的特征向量-PCA dimensionality reduction
pca-svm
- 使用pca和svm方法对表情进行分类，有较高的识别准确率-The use of pca and expression svm classification methods, which have a higher recognition accuracy
pca
- pca分类算法，3个参数，一个是样本数据x，另外一个是主成分累积贡献率的一个闸值，作为选定主成分个数的一个重要数据。-pca classification algorithm, three parameters, one is the sample data x, the other is the main component of the cumulative contribution rate of the value of a gate, as the number of selected
PCA
- 基于主分类分析的SAR图像变化检测MATlt实验程序-Based on the analysis of the main SAR image classification change detection experiment
PCA
- 模式识别作业-完全自编仿真程序。先用PCA对IRIS数据集进行降维，然后用最小错误法对降维的数据进行分类。压缩包中既包括matlab源代码，又有自己写的报告，还有.MAT格式的IRIS数据集用作程序调用。程序有详细注释，很容易懂。最后结果输出到txt文件中。-Pattern recognition operations- completely self simulation program. First on the IRIS data set with PCA dimension reduct
用PCA（非工具包，自写）实现LDA
- 上了一门统计分析的课程，所有课程所学内容均不允许使用工具包，特自写PCA，实现LDA线性分类，希望可以与大家分享，一起学习参考，
]ORL+PCA+SVM-11
- 编写了用户界面程序实现ocr人脸数据集的识别，使用了svm分类器(A user interface program is developed to realize the recognition of OCR face data set, and the SVM classifier is used)
PCA-SVM-master
- PCA/SVM算法实现图像分类，分类准确率可到达90%(Image classification by PCA/SVM algorithm)
PCA
- 采用INP数据（145*145*200），该数据有16个类别， PCA进行数据降维，然后对降维数据采用kNN分类（k=1）。(Using INP data (145*145*200), the data has 16 categories, PCA carries out data reduction, and then uses kNN classification for dimensionality reduction data (k=1).)
PCA+SVM
- 采用经典的ORL人脸数据集，利用PCA进行进行降维，然后用SVM进行数据集的分类和训练。上传文件内包含libSVM3.2安装包(The classical ORL face dataset is used for dimension reduction by PCA, and then SVM is used to classify and train the dataset.)
classification
- 实现PCA分类.1、进行PCA的交叉检验。2、对数据进行PCA降维。3、进行分类，交叉检验。4、构造训练和测试的数据(PCA classification,Cross validation of PCA,PCA dimensionality reduction for data.)
pca
- 做降维处理，做分类，非常好的数据集合，可以用于一般的数据清晰(Decomposition is a very interesting great name and it is very very very good , so you will use it)
脑电数据PCA处理及SVM分类
- 脑电eeg数据预处理，用于脑电信号的MATLAB处理程序，输入处理数据，进行matlab运算，PCA处理及SVM分类。(PCA Processing and SVM Classification of EEG Data)
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
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime