搜索资源列表
pca.m
- 本程序的运行环境为matlab6.5，在command window下输入数据x和a，然后调用函数pca（x，a）（即本程序的主程序）输入的两个参数的意义是：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。 即可得到样本的协方差矩阵，相关矩阵，相关矩阵的特征根及特征向量，主成分个数和主成分负荷矩阵。 -the procedures for the environment matlab6.5. under the command window i
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction method using a majority of th
pca
- PCA算法程序设计步骤： 1、去均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量
face
- PCA人脸识别基于PCA的人脸识别 (Eigenface)读入20幅训练图像 。 计算均值、协方差矩阵 、特征值 和特征向量 ,并记录计算所耗费的时间 。并在figure(i)中显示特征脸Eigenface 。计算4幅测试图像 ，及其在 空间中的重建图像 ，在figure(i) 和 figure(10+i)中分别显示测试图像 和重建图像 。计算4幅测试图像 的重建误差 ，比较并阐释 之间的差异及其原因。 -PCA
pcaProgram
- PCA算法程序设计步骤： 1、取均值 2、计算协方差矩阵及其特征值和特征向量 3、计算协方差矩阵的特征值大于阈值的个数 4、降序排列特征值 5、去掉较小的特征值 6、去掉较大的特征值(一般没有这一步） 7、合并选择的特征值 8、选择相应的特征值和特征向量 9、计算白化矩阵 10、提取主分量 -PCA algorithm programming steps: 1, access means 2, the calculation of
feisher
- PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据； -PCA steps: 1 of the first data center 2 covariance matrix obtained 3 obtained covariance matrix eigenvalues and eigenvectors 4
PCA
- PCA算法。PCA的目的是找到能够分离出最大方差的方向，所以首先求原来所有数据三个维度上的协方差，然后求这个协方差的特征值，最大特征值为第一个方向，从此以此类推。-PCA algorithm. The purpose of PCA is to find able to isolate the direction of maximum variance, so first find all the data in three dimensions on the original covarianc
pca
- 主成分分析pca算法matlab程序代码：pca标准化、协方差、特征根特征向量、方差贡献率-Principal component analysis pca algorithm matlab code: pca standardized covariance, eigenvalues eigenvectors, the variance contribution rate. . .
PCA
- PCA是研究如何通过少数几个主分量来解释多变量的方差- - 协方差结构, 是一种有效的特征提取方法- PCA studies how to explain the variance of multivariable- covariance structure through a few principal components and it is a kind of effective method of feature extraction
PCA1
- pca 神经网络 求样本协方差矩阵的特征值和特征向量 样本的均值化为零-pca neural network seeking sample covariance matrix of the eigenvalues and eigenvectors of the sample mean of zero
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
PCA_K
- PCA的思想为将图像的协方差矩阵分解，获得分解后的方向向量。然后将数据分别投影到某一个方向上去，获得与原图象近似的图像。当然,与最大特征值所对应的特征向量方向获得最好的图像。因此，PCA方法可以作为降维的一种方法。留下在某些方向较好的图像，而抛弃那些在另外一些方向上不好的图像。-PCA ideas as to decompose the covariance matrix of the image, the direction vector obtained after decompositio
r_apsbnymg
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和temp特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及temp1只 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
yreykces
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 iCVSum 特征向量 3、计-PCA algorithm program realization by matlab code design steps in
ajuifdmk
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 elarJb 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 XAixfeX值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
amrjbqca
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 vIPdsQ 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 UUOFhKz值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
bebbmabc
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 ngQmVr 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 sIIcLXY值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
blqfmmxf
- 通过matlab代码实现PCA算法程序设计步骤： 包括1、去均值 2、计算协方差矩阵及其特征值和 vxkKar 特征向量 3、计算协方差矩阵的特征值大于阈值的个数以及 XwPcugM值 4、降序排列特征值，编译通过达到很高的性能。-PCA algorithm program realization by matlab code design steps include: 1, 2 to the mean, covariance matrix and its eigenvalues and eig
PCA
- Python实现PCA将数据转化成前K个主成分的伪码大致如下: ''' 减去平均数计算协方差矩阵计算协方差矩阵的特征值和特征向量将特征值从大到小排序保留最大的K个特征(Python PCA data into pseudo code before the K principal components are as follows: the characteristics of 'average minus the covariance matrix to calculate the covari
PCA笔记
- 对PCA的个人理解，有详细的PCA推导过程，代码包括计算协方差，及其特征值特征向量。(For the personal understanding of PCA, there is a detailed process of PCA derivation. The code includes the calculation covariance and its eigenvalue eigenvector.)