为更好实现对入侵检测样本数据的优化处理，提出了一种改进的快速独立成分分析(FastICA)算法，采用基于加权相关系数进行白化处理以减少信息损失，并优化牛顿迭代法使其满足三阶收敛。对算法进行了细致描述，分析了算法的时间复杂度。实验结果表明，该方法可有效减少数据信息损失，具有迭代次数少、收敛速度快等优点，可有效提高入侵检测样本数据的优化效率。
2022-03-09 16:03:41
858KB
1
文章目录1. 总体主成分分析2. 样本主成分分析3. 主成分分析方法3.1 相关矩阵的特征值分解算法3.2 矩阵奇异值分解算法4. sklearn.decomposition.PCA
主成分分析（Principal Component Analysis，PCA）是一种常用的无监督学习方法
利用正交变换把由线性相关变量表示的观测数据 转换为 少数几个由线性无关变量表示的数据，线性无关的变量 称为 主成分
主成分的个数通常小于原始变量的个数，所以PCA属于降维方法
主要用于发现数据中的基本结构，即数据中变量之间的关系，是数据分析的有力工具，也用于其他机器学习方法的前处理
PCA属于多元统计分析的经
2022-03-09 10:37:28
108KB
1
基于主成分分析法的天津市生态宜居城市建设指标与评价研究，王小双，张雪花，近年来，城市问题层出不穷，建设生态宜居城市，给人类营造健康、舒适的生存环境，符合科学发展观，对人类发展具有重大意义。生态
2022-03-05 15:09:24
631KB
1
演示了基于DDCT和PCA的图像融合算法。 参考文献：VPS Naidu，“Hybrid DDCT-PCA base multi sensor image fusion”，Journal of Optics，Vol.43，No.1，pp.48-61，2014年3月。
2022-03-02 20:29:46
158KB
1
PCA分析，环境生物多样性与环境因子相互联系的主成分分析，数据格式与源代码
2022-02-14 22:30:04
2.57MB
针对目前雷达辐射源识别技术难以对新出现的雷达信号进行有效识别的问题，将迁移学习理论引入识别系统，提出一种基于迁移成分分析的雷达辐射源识别方法。通过设置统一的核函数将不同样本集映射到同一隐藏空间，在隐藏空间对支持向量机进行训练并对测试样本进行识别。仿真实验表明，该方法能够对新的雷达辐射源信号的工作模式进行有效识别，并且在一定测量误差下保持较高识别率。
2022-02-14 12:53:59
4.38MB
1