主成分分析（PCA）、核主成分分析（KPCA）和概率主成分分析（PPCA）是已经取得广泛应用的特征提取方法。提出一种基于概率核主成分分析（PKPCA）的检测液晶屏幕亮点的方法。作为对PPCA的一种非线性扩展，PKPCA在PPCA的基础上引入了核函数方法，因而其捕获模式非线性特征的能力更强。在KPCA和PPCA的基础上推导了PKPCA过程公式，并在检测液晶屏幕亮点的应用中将PKPCA、PPCA、PCA算法进行比较。实验结果表明，PKPCA的检测率和局部信噪比优于其他两者。
2021-11-02 19:50:45
908KB
1
pca kernel pca principal component analysis kernel principal component analysis 主成分分析 核主成分分析 Matlab算法源代码
2021-05-03 15:36:09
3KB
1
为提高对虚假评论的识别精度并对评论数据的有效性进行准确预测，提出一种面向在线产品数据的有效性建模与测量方法。通过结合基于核主成分的特征提取方法和最小二乘支持向量机对在线产品的虚假评论进行识别，基于排序Logit构建回归模型对量化的评论数据进行有效性判别预测。实验结果表明，该方法在虚假评论识别和数据有效性分析方面效果良好，可以为消费者提供更为精确的消费参考、为商业机构提供更具辨识意义的评论数据，具有良好的应用价值。
2021-04-14 10:12:10
913KB
1
核主成分分析法
matlab源代码，非常好的一个例子 核主成分分析法
matlab源代码，非常好的一个例子
2021-01-31 11:06:50
7KB
1
核主成分分析(Kernel Principal Component Analysis, KPCA)
PCA方法假设从高维空间到低维空间的函数映射是线性的，但是在不少现实任务中，可能需要非线性映射才能找到合适的低维空间来降维。
非线性降维的额一种常用方法是基于核技巧对线性降维方法进行核化(kernelized)。这是对PCA的一种推广。
2020-01-03 11:16:27
7KB
1
使用matlab，实现核主成分分析（KPCA）。主成分分析是实现降维（Dimension Reduction）的重要方式,核主成分分析使用核函数将数据映射到高维空间，使得非线性数据线性化！程序中可选择不同的核函数
2019-12-21 21:18:08
1KB
1
调试已通过的基于（KPCA）核主成分分析人脸识别代码 ，带有注释和ORL人脸库
对于学习KPCA很有帮助
2019-12-21 20:02:53
3.03MB
1