ceqiong.net
当前位置:首页>>关于pca算法的基本原理的资料>>

pca算法的基本原理

PCA是主成分分析法,目的就是对高维数据进行降维,提取主要成分.我也是最近才开始看这个的,我也不是很明白.网上应该有这方面的代码.可以去程序员联合开发网看看,http://www.pudn.com/downloads188/sourcecode/windows/detail882107.htmlhttp://www.pudn.com/downloads102/sourcecode/graph/texture_mapping/detail415764.html

获取n行m列原始数据,写成n*m的矩阵形式;数据中心化.即把每个属性的均值处理设为0(下面木羊将给出自己编写的源代码,木羊的数据用列代表属性,在该步骤中,就把每列的均值都设置为0).根据中心化后的矩阵求协方差矩阵.协方差

%一个修改后的pca进行人脸识别的matlab代码 % calc xmean,sigma and its eigen decomposition allsamples=[];%所有训练图像 for i=1:40 for j=1:5 a=imread(strcat('d:\rawdata\orl\s',num2str(i),'\',num2str(j),'.pgm')); % imshow(a); b=a(1:112*92); %

http://www.ilovematlab.cn/forum.php?mod=viewthread&tid=5532 虽然matlab里面有现成的主成份分析方法的函数,但是因为人脸识别的图片较大,一般来说,一个图片就是几千个像素点,对于一个几千维的矩阵进行主成份分析,使用pcacov()函数就有些问题了.我们实验室的机器实在太差,总之用pcacov跑了很长时间仍然没有出结果,所以就只好自己写pca的代码了.用自己写的代码,花时间最长的是在求协方差矩阵的特征值和特征根,但也基本在一分钟之内就求出来,没有出现太卡的地方.

可编程计数器阵列,用于软件定时器,外部脉冲的捕抓,高速输出以及脉宽调制输出

是算法的详细描述!如果需要源代码的话这里有!

a1=imread('a1.jpg');a2=imread('a2.jpg');b1=imread('b1.jpg');b2=imread('b2.jpg');a1=rgb2gray(a1);a2=rgb2gray(a2);b1=rgb2gray(b1);b2=rgb2gray(b2);figure,imshow(a1)figure

Smith补偿与大林算法的比较摘要:研究了两类用于时滞系统控制的方法,即包括自整定PID控制Smith预估控制和Dahlin算法在内的经典控制方法和包括模糊控制,神经网络

PCA: Principal Components Analysis,主成分分析.1、引入 在对任何训练集进行分类和回归处理之前,我们首先都需要提取原始数据的特征,然后将提取出的特征数据输入到相应的模型中.但是当原始数据的维数特别高时,这时我们需要先对

主成分分析也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标. 在统计学中,主成分分析(principal components analysis,PCA)是一种简化数据集的技术.它是一个线性变换.这个变换把数据变换

mcrm.net | ddgw.net | gpfd.net | dfkt.net | sbsy.net | 网站首页 | 网站地图
All rights reserved Powered by www.ceqiong.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com