搜索资源列表
FisherFace1
- 最经典的人脸识别中的fisherface代码，在此之前要对特征空间降维，通常采用PCA降维，此代码基于降维实现类间与类内比值的最大化。
nmfpack
- NMFs算法（带稀疏度约束的非负稀疏矩阵分解）用于实现基于人脸局部特征的人脸识别，通过近似的矩阵分解进行空间降维。
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
empca
- EMPCA算法的函数代码，附带有训练测试数据集，用于特征降维等方面。-Algorithm EMPCA function code, attached to the test data set there is training for the characteristics of dimensionality reduction and so on.
DCT
- 本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和B
pca
- pca主成分分析，matlab程序，用于图像特征提取，降维等 有中文注释-Principal component analysis
sfrz
- 基于等距映射( ISOMAP) 非线性降维算法, 提出了一种新的基于用户击键特征的用户身份认证算法, 该算法用测地距离代 替传统的欧氏距离, 作为样本向量之间的距离度量, 在用户击键特征向量空间中挖掘嵌入的低维黎曼流形, 进行用户识别。用采集 到的1 500 个击键模式数据进行实验测试, 结果表明, 该文的算法性能优于现有的同类算法, 其错误拒绝率( FRR) 和错误通过率 ( FAR) 分别是1.65 和0 , 低于现有的同类算法。-Based isometric map (ISO
ga
- 基于遗传算法和距离的特征选择，用于人工智能和模式识别，进行降维-Distance based on genetic algorithms and feature selection for artificial intelligence and pattern recognition, dimensionality reduction
GA
- 遗传算法优化计算——建模自适应降维处理，以病例为例进行量化特征的处理-Genetic Algorithms - modeling adaptive dimensionality reduction processing, for example in cases of quantitative characteristics processing
ECG-classification
- 心电图是一种经胸腔的以时间为单位记录心脏的电生理活动，并通过皮肤上的电极捕捉并记录下来的诊疗技术，能警示人体心脏健康状况。我们对十种不同心脏状况的心电图（ECG）数据进行实验，在对原始数据进行了一系列预处理后，利用PCA和ICA进行特征提取降维得到新的特征空间，并利用支持向量机进行训练，最后对未分类心电数据进行分类标记并评价其性能。-Electrocardiography (ECG) is a transthoracic interpretation of the electrical acti
machine-learning_PCA
- 环境为winpython 32bit 2.7.5.3 p = PCA() print u"均值化后的数据集为：",p.dataset( H:\\PCA_test.txt ) print u"协方差矩阵为：",p.COV() print u"特征向量为：",p.eig_vector()[1] tt = p.pc(dim=1) print "tt:",tt print u"新的维度数据集",tt[1]- """ Principal c
gonglv_pca
- MATLAB编程，提取LFP功率特征，采用PCA降维，实现不同颜色数据分类-MATLAB programming, LFP power feature extraction using PCA dimensionality reduction to achieve different color data classification
LGEandKGEandOLGEandKPCAandKLPP
- 一系列降维算法，包括LGE,KGE,KLPP,OLEG,KPCA，将高维空间的数据降低的低维，主要用来进行人脸识别以等方面的特征提取,总共5个算法。-isometric projection to feature extraction
drtoolbox-Matlab
- MATLAB特征选择与降维工具箱，内含34种特征降维方法，从作者的博客主页下载，代码完整，附中英文的相关说明。-Matlab Toolbox for Dimensionality Reduction
KPCA
- KPCA 核主成分分析 降维处理 与传统的PCA相比，KPCA具有主成份特征明显,贡献率集中,主成份参数维数较少等优点,其性能明显高于PCA的分析结果-Nuclear dimension principal component analysis (KPCA Compared with the traditional PCA, KPCA with principal component characteristics significantly, contribution, princip
mdwsk
- 可实现对二维数据的聚类，用于特征降维，特征融合，相关分析等,PLS部分最小二乘工具箱。- Can realize the two-dimensional data clustering, For feature reduction, feature fusion, correlation analysis, PLS PLS toolbox.
PCA-facerecognize
- 利用主成分分析（ＰＣＡ）实现对人脸特征的降维，然后利用最近邻实现人脸识别-Using the main component analysis (PCA) to realize the reduction of facial features, then use the nearest neighbor to realize face recognition
PCA0118
- PCA降维，将特征以二维矩阵形式输入，对特征进行降维处理。(PCA dimension reduction, the characteristics of a two-dimensional matrix input, the feature dimensionality reduction.)
tvnpv
- 用于特征降维，特征融合，相关分析等,包括AHP，因子分析，回归分析，聚类分析，粒子图像分割及匹配均为自行编制的子例程。( For feature reduction, feature fusion, correlation analysis, Including AHP, factor analysis, regression analysis, cluster analysis, Particle image segmentation and matching subroutines them
sklearn-SVM
- 支持向量机(SVM)——分类预测，包括核函数调参，不平衡数据问题，特征降维，网格搜索，管道机制，学习曲线，混淆矩阵，AUC曲线等(Support vector machine (SVM) - classification prediction, including kernel function parameter adjustment, unbalanced data problem, feature dimensionality reduction, grid search, pipelin