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
对主成分分析（PCA）的C++代码实现，里面有对PCA实现步骤的详细讲解，并把自己写的PCA代码与Opencv自带的PCA函数的运行结果进行了对比。
2019-12-24 03:02:22
5.94MB
1
学习独立成分分析的好书。《Independent Component Analysis》，作者Apo Hyvarinen, Huha karhunen
2019-12-21 22:03:49
10.4MB
1