PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。
2021-05-08 10:25:28
53KB
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
2种主成分分析方法，高光谱降维，基于实测光谱数据，光谱解混，资源为代码，高光谱降维，基于实测光谱数据，光谱解混，资源为代码
2021-05-01 12:58:38
84KB
1
主要为大家详细介绍了特征脸理论基础之PCA主成分分析法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-04-27 14:20:02
114KB
1
基于遥感影像的地物变化检测一直是土地利用、资源普查等方面的研究热点与重点。本文基于Landsat TM影像，以某地区两期不同地区的影像为研究区域，基于主成分变换设计了一种有效的快速变化检测方法。首先，本文提取不同时期影像的多个特征，然后组合成特征向量，通过差值的方式得到两期影像的差值图，并对该差值图进行主成分分析，以第一波段为主要变化实验图，基于ostu自动阈值化，来自动获取变化图，经过实验表明，该方法简单有效，能够满足大范围变化检测的需求。
2021-04-26 22:57:48
49.16MB
1