搜索资源列表
Isomapfiles
- 此程序是进行人脸识别时，进行非线性降维后提取特征的一个典型方法，想做非线性降维特征提取的朋友可以研究，本人看后收获颇多-This procedure is carried out face recognition, the non-linear dimensionality reduction after the extraction of the characteristics of a typical method to do no
aPCA_TEST
- 主成分分析，用于分析数据，将多维变量降维处理，使得方便特征提取，便于进一步特征提取。-脰 梅 鲁 脡 脰 脰脦枚 拢 卢 脫脙脫脷 脰脦枚脢媒 戮 脻 拢卢陆芦露 脿脦 卢 卤 盲脕 驴 陆 渭脦 卢
LDA
- LDA 的matlab源码实现，Jonathan Huang编写的，是目前唯一可用于且正确的源码，可用于图像特征降维-LDA to achieve the matlab source, Jonathan Huang, prepared, is the only can be used and the correct source, can be used for image feature dimensionality reductio
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.
KPCA
- 一个很好的PCA程序。它可用于数据的降维，消噪及特征提取。-A good PCA procedures. It can be used for data dimensionality reduction, de-noising and feature extraction.
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
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.
PCA_LDA
- 《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 t
FunFDA
- FunFDA模式识别中特征提取中的数据降维的一种算法-fisher discriminant analysis
PCA
- 主成分分析的代码，降维的工具，特征提取降维的工具-PCA code
LDA_zq
- 用于特征降维，特征融合，相关分析等多元数据分析的fisher鉴别分析（FLDA）Matlab代码实现。-For feature reduction, feature fusion, correlation analysis, multivariate data analysis of the fisher discriminant analysis (FLDA) Matlab code implementation.
PCADR
- 用于特征降维人脸识别等多元数据分析的主分量分析投影的Matlab代码实现。-For feature reduction and other multivariate data analysis, face recognition principal component analysis projection of the Matlab code implementation.
empca
- PCA特征降维，用于图像处理人脸识别等模式识别领域和数据挖掘两领域-PCA feature reduction, image processing for face recognition and other pattern recognition and data mining of two areas
K-Means PCA降维
- K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.(K-Means algorithm does not require the establishment of the model after the new prediction of the results, there is no corresponding
FastICA
- 独立成分分析matlab代码，进行特征降维与特征选择(ICA transform for feature selection)
PCA实现特征降维
- pca和_fase_pca实现特征降维，两种算法都有所改进，特别是pca可以根据自己的需要进行相应的改进，代码清晰易懂，希望对你有帮助。(PCA and _fase_pca to achieve feature reduction, the two algorithms have improved, especially PCA can be improved according to their needs, the code is
pca_fld
- 这是主成分分析pca和fld的代码，主要实现特征降维。(This is the principal component analysis of pca and fld code, the main feature reduction dimension.)
降维与特征选择
- 在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。 对于这两个概念，很多初学者可能不是很清楚他们的区别。很多人都以为特征降维和特征选择的目的都是使数据的维数降低，所以以为它们是一样的，曾经我也这么以为，这个概念上的误区也就导致了我后面对问题的认识不够深入。后来得到老师的指点才彻底搞清楚了两者的关系，现总结出来与大家分享。(Feat
1.pdf
- 特征降维的一种方法, 文章是英文文献，文章最后附有代码(a kind of method of feature dimensionality reduction)
降维code
- 了解降维、特征筛选等基本原理 掌握PCA、SVD、LAD和NMF等算法实现及应用(Understand the basic principles of dimensionality reduction and feature selection Master the algorithm implementation and application of PCA, SVD, lad and NMF)