PCA是Principal component analysis的缩写，中文翻译为主元分析。它是一种对数据进行分析的技术，最重要的应用是对原有数据进行简化。正如它的名字：主元分析，这种方法可以有效的找出数据中最“主要”的元素和结构，去除噪音和冗余，将原有的复杂数据降维，揭示隐藏在复杂数据背后的简单结构。它的优点是简单，而且无参数限制，可以方便的应用与各个场合。因此应用极其广泛，从神经科学到计算机图形学都有它的用武之地。被誉为应用线形代数最价值的结果之一
2021-12-01 09:11:03
1.77MB
1
PCA将数据降维 x(n)——y(m)，n>m。利用y(m)构建BP神经网络预测。完整步骤见《基于pca-bp模型的上证综指预测研究》第32页到第50页！
2021-11-30 16:01:41
13.65MB
1
计算协方差矩阵的特征向量和特征值
eigenvectors：协方差矩阵C的特征向量
eigenvalues：协方差矩阵C的特征值
特征矢量组成模式矢量
求出特征值后，按照特征值由大到小排序，给出重要级级别
对相应位置的特征向量按照特征值位置变化进行调整
C
2021-11-30 10:03:04
1.19MB
1
阐述里主成分分析法的定义， 及应用于实际的意义， 通过 matlab 编程实现主成分分析法在图像压缩方面的应用，
在编程过程中设置不同主成分个数来显示不同的处理结果。在对处理结果进行分析，同时也对主成分分析法的性质有了
更直观的认识，方便日后在其他领域的应用。
2021-11-29 20:17:32
151KB
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码
2021-11-29 12:49:48
97KB
1
本文是一个python文件，用于将图片进行主成分分析，由彩色图转换为主轴灰度图。便于深度学习。AlexNet论文里面的图片主成分分析
2021-11-29 00:41:11
1KB
1
PAC人脸识别的基本思想就是从人脸图像中找出最能代表人脸的特征空间，去除一些不能代表人脸特征的属性。一个单个的人脸图片映射到这个特征空间得到这个特征空间的一组系数，这组系数就表示这张人脸图片的特征脸特征。如果两张人脸图片映射到这个特征空间的系数差不多，就表示这两张人脸是同一个人。
2021-11-28 19:06:29
456KB
1