独立成分分析(Independent Component Analysis，ICA)是近年来提出的非常有效的数据分析工具，它主要用来从混合数据中提取出原始的独立信号。它作为信号分离的一种有效方法而受到广泛的关注。这是我毕设用的，里面有 ICA独立成分分析的matlab代码，音频数据，以及使用说明，希望对大家有所帮助。独立成分分析(Independent Component Analysis，ICA)是近年来提出的非常有效的数据分析工具，它主要用来从混合数据中提取出原始的独立信号。它作为信号分离的一种有效方法而受到广泛的关注。这是我毕设用的，里面有 ICA独立成分分析的matlab代码，音频数据，以及使用说明，希望对大家有所帮助。
2022-05-21 09:47:42
267KB
1
gPCA
分组主成分分析的源代码
gPCA基础：gPCA的主要功能，重要性计算，数据生成
gPCA模拟：用于模拟的数据
gPCA数据分析：生长因子响应性分析代码
JIVE_sim：用于JIVE模拟的脚本
数据
Dataset_20140_measured：磷酸化的AKT和ERK的测定和基础水平，来自
2022-05-21 02:07:04
46KB
1
头歌模式识别第一次实验,
第1关主成分分析算法流程,
第2关计算样本欧式距离
稳过
2022-05-19 19:07:09
14KB
主成分分析法 (PCA) 是一种常用的数据分析手段。对于一组不同维度 之间可能存在线性相关关系的数据，PCA 能够把这组数据通过正交变换变 成各个维度之间线性无关的数据。经过 PCA 处理的数据中的各个样本之间 的关系往往更直观，所以它是一种非常常用的数据分析和预处理工具。PCA处理之后的数据各个维度之间是线性无关的，通过剔除方差较小的那些维度上的数据我们可以达到数据降维的目的。在本文中，SIGAI将介绍PCA 的原理、应用以及缺陷。
2022-05-19 14:42:43
1.05MB
1
矿井进行瓦斯涌出量预测是煤矿安全生产十分重要的工作，鉴于主成分分析和逐步回归分析方法的优点，将两种方法相结合共同建立瓦斯涌出量回归预测模型。以峻德煤矿30号煤层为例，通过主成分分析得到了影响回采工作面瓦斯涌出量的四个主成分因素，再采用逐步线性回归分析法预测回采工作面瓦斯涌出量。结果表明：采用主成分-逐步回归分析法减少了回归分析所需要考虑的变量个数，预测结果具有较好的准确性，预测精度明显优于一元回归预测和多元回归预测，具有较好应用前景。
2022-05-19 02:16:58
1.07MB
1
基于matlab的PCA主成分分析实例，用不同浓度的混合物的拉曼光谱作为数据进行试验。学习PCA的数据处理方法。
pca主成分分析一般指主成分分析。 主成分分析（Principal Component Analysis，PCA）， 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量叫主成分。
欢迎交流学习~
2022-05-14 22:29:14
2.26MB
1