安徽 0.59 35 47 146 46 20 32.83 2488 0.33 5628 云南 0.66 36 40 130 44 19 28.55 1974 0.48 9106 江西 0.77 43 63 194 67 23 28.81 2515 0.34 4085 海南 0.70 33 51 165 47 18 27.34 2344 0.28 7928 内蒙古 0.84 43 48 171 65 29 27.65 2032 0.32 5581 西藏 1.69 26 45 137 75 33 12.10 810 1.00 14199 河南 0.55 32 46 130 44 17 28.41 2341 0.30 5714 广西 0.60 28 43 129 39 17 31.93 2146 0.24 5139 宁夏 1.39 48 62 208 77 34 22.70 1500 0.42 5377 贵州 0.64 23 32 93 37 16 28.12 1469 0.34 5415 青海 1.48 38 46 151 63 30 17.87 1024 0.38 7368
2022-11-25 23:47:43 1.81MB 主成分分析
1
偏最小二乘判别式的类分离评估使用 Hotelling 的 T2 进行分析或主成分分析。 输入数据:具有 N 个样本和 M 个变量的 N x M 矩阵classVec:带有数字类标签的 N x 1 向量 参考AM Goodpaster,马肯尼迪,Chemom。 英特尔。 实验室系统。 109, 162–170 (2011)。
2022-11-14 19:58:35 2KB matlab
1
【图像识别】基于主成分分析PCA实现视频人脸识别matlab源码.md
2022-11-13 19:55:36 8KB 算法 源码
1
主成分分析法,使用python实现。应对非线性数据,先使用核技巧映射高维使之线性可分,之后再用PCA方法将高维降到低维,理论上可从无穷维降到一维或二维,将数据变为线性可分。此程序中既包含了手工制作的KPCA全过程,也有直接从sklearn调用包直接实现。里面有详细的代码注释,核分块注释,可以截取自己需要的部分。直接套用的话,使用最前面一段代码替换数据即可
1
针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。
1
主成分分析的经典著作,由Svante Wold和Kim.H.Esbensen完成
2022-11-03 22:54:46 1.6MB 主成分分析
1
MATLAB实现PCA-LSTM主成分降维结合长短期记忆神经网络多输入回归预测(完整源码和数据) 数据为多输入回归数据,输入12个特征,输出1个变量。 运行环境MATLAB2018b及以上。
秦寿松 著,介绍了几种综合评价及分类方法的理论、算法和应用,综合评价现代化中存在的问题及解决办法。可作为系统工程、经济管理、应用数学、自动控制等专业高年级学生和研究生的教材或教学参考书。另外对数学建模爱好者也是一个不可多得的资源。
1
因子分析实例322-旋转Rotation 由于系数没有很明显的差别,所以要进行旋转(Rotation:method一般用Varimax方差最大旋转),使系数向0和1两极分化, 例子同上 菜单:Analyze-Data Reduction-Factor Variables :pop,School,employ,Services, house Extraction:使用默认值( method:Principal components,选取特征值>1) Rotation:method选Varimax Score:Save as variables 和Display factor score Coefficient matrix 比较有用的结果:两个主成分(因子)f1,f2及旋转后的因子载荷矩阵(Rotated Component Matrix) ,根据该表可以写出每个原始变量(标准化值)的因子表达式: Pop 0.01602 f1 + 0.9946f2 School  0 .941f1 - 0.00882f2 employ  0.137f1 + 0.98f2 Services  0.825f1 +0.447f2 house  0.968f1 - 0.00605f2 第一主因子对中等学校平均校龄,专业服务项目,中等房价有绝对值较大的载荷(代表一般社会福利-福利条件因子); 而第二主因子对总人口和总雇员数有较大的载荷(代表人口-人口因子). P326 比较有用的结果:因子得分fac1_1, fac2_1。其计算公式:因子得分系数和原始变量的标准化值的乘积之和(P326)。然后可以利用因子得分进行聚类p327(Analyze->Classify->Hierarchical Cluster)。
2022-10-31 19:39:52 1013KB SPSS PCA
1
主成分分析降维代码,完整版,可以直接放进matlab运行。
2022-10-29 11:08:25 18KB 主成分分析降维代码 降维
1