Torch7的分解模块 主成分分析 (PCA) 白化主成分分析 (W-PCA) 线性判别分析 (LDA) 局部保护投影 (LPP) 邻里保护预测 (NPP) 快速独立分量分析 (FastICA) 约翰-亚历山大·阿塞尔 安装 克隆此存储库或下载源代码。 用法 调用decomposition = require "decomposition" ，然后是以下任何一项： decomposition.pca(x) , decomposition.lda(x, y) , decomposition.lpp(x) , decomposition.npp(x) , decomposition.fastica(x) 。 或者，您可以使用 iTorch notebook 并打开decomposition.ipynb 。 贡献 叉它！ 创建您的功能分支： git checkout

基于PCA和ICA的人脸识别算法，分类器采用贝叶斯分类器，效果明显

适合于大学课程设计 1. 基于PCA的Eigenface算法实验程序 2. 基于PCA+LDA算法的人脸识别程序，带GUI界面 3. 过程演示录屏.mp4

二手车价格预测得分：91％ 数据清理，数据可视化，数据预处理，ML模型（LR，DT，RF，GBR，KNN，SVM，XGBR，TENSORFLOW），PCA，LDA，度量标准（R Square，MSE，RMSE，MAE）

这个讲义里面讲述了许多最优化的例子，以及如何用PCA，LDA进行人脸识别

PCA、LDA、MDS、LLE、TSNE等降维算法的python实现

该程序采用MATLAB编写，包括PCA LDA LPP等代码，是一个很实用的东西。

针对人体行为识别问题，提出一种基于径向基函数（BP）神经网络的人体行为分类算法。首先，利用奇异值分解（SVD）算法提取视频每一帧的奇异值，将每一帧的奇异值按照行拼接起来即为一个视频的样本，样本按照行排成样本矩阵；然后，利用主成分分析（PCA）对得到的矩阵进行去相关并且降低维数，降低维数的矩阵再进行线性鉴别分析（LDA），使样本变得线性可分；最后，利用BP神经网络对样本进行分类；实验结果表明，与采用最近邻分类和K近邻分类（kNN）相比，所提算法具有更高的识别率。

基于pca lda 粗糙集 模糊神经网络的人脸识别程序 在matlab上可直接运行

二维的LDA+PCA人脸识别matlab程序，可直接使用