基于主成分分析的区域经济发展研究-—以苏北地区为例-论文.zip

Matlab kpca程序KPCA 这是内核主成分分析（KPCA）及其应用程序（代码+描述）的实现。 这是文件结构： KPCA |-- src |-- myarrow.m |-- mygenerate_data.m |-- mykernel.m |-- myKPCA.m |-- myPCA.m |-- PCAKPCA_test.m |-- Readme.md |-- 学习笔记 _ 核主成分分析(KPCA)及其若干应用.md 在以上文件中： 文件“ myarrow.m”是在我自己编写的MATLAB中绘制箭头的功能； 文件“ mygenerate_data.m”是用于生成玩具数据集的函数； 文件“ mykernel.m”是用于计算内核的函数； 文件“ myPCA.m”是我自己实现KPCA的功能； 文件“ myPCA.m”是我自己实现PCA的功能； 文件“ PCAKPCA_test.m”是一个测试文件，用于检查KPCA的性能并比较PCA和KPCA之间的差异； 文件“学习笔记_主成分分析（PCA）及其若干应用.md”是该项目的详细介绍文档。 有关更多详细信息，请参阅文章。

isodata的matlab代码博客F_ISODATA 基于模糊主成分分析（FPCA）聚类的高维数据可视化”

主成分分析的matlab代码实现(2D)^2FPCA 基于(2D)^2FPCA的手指静脉识别算法的Matlab实现 关于 (2D)^2FPCA 双向二维Fisher主成分分析（（2D）^2FPCA）是机器学习中降维算法的改进版本。 通过结合PCA和FLD算法，达到降维的目的。 问题 (2D)^2FPCA算法用于完成指静脉图像的降维，并对图像进行分类识别。 算法 对于图片先在列方向使用2DPCA，然后在行方向使用2DFLD。 以下示意图。 算法训练过程如下： 算法测试过程如下： 算法实现 这是我2019年5月完成的代码，算法程序用Matlab语言编写，运行(2D)^2FPCA.m文件。 注意：需要在代码中修改数据集读取位置。 实验 我在实验中尝试了算法在不同特征维度下的识别效率，希望能找到最好的特征映射维度。 具体实验结果如下： 参考 [1] 余成波，秦华锋．生物特征识别技术:手指静脉识别技术[M].清华大学出版社，2009. [2] 王杰，李海，王刚，等。 基于(2D)2FPCA的静脉识别[J]. 国际信号处理、图像处理和模式识别杂志，2013 年，6(4)：323-332。

行业分类-电信-基于主成分分析改进遗传算法的交通信号配时优化方法.rar

核主成分析算法，可用于多目标优化和决策问题，比较主成分分析有更多的优势

Python数据分析与机器学习-PCA主成分分析 Python数据分析与机器学习-PCA主成分分析

svd算法matlab代码 PCA Matlab PCA algorithm sample code using SVD

行业分类-物理装置-一种基于主成分分析和Henon映射的管理编码加解密方法.zip

一种统计方法，它对多变量表示数据点集合寻找尽可能少的正交矢量表征数据信息特征。