📚 主成分分析技术资料

📦 资源总数：18164
💻 源代码：32206
主成分分析（PCA）是一种统计方法，通过正交变换将一组可能相关的变量转换为一组线性不相关的变量，广泛应用于信号处理、图像识别及数据压缩等领域。掌握PCA技术有助于电子工程师在噪声抑制、特征提取等方面取得更优效果。本页面汇集了18164个精选资源，涵盖理论教程与实践案例，助力您深入理解并灵活运用这一强大工具，提升项目开发效率与质量。

🔥 主成分分析热门资料

查看全部18164个资源 »

指出了非线性动态信号参数辨识的重要性；分析了目前采用的方法的不足；对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明；用复Morlet小波构建出一种核函数，与主分量分析方法相结合，对非线性动态信号进行参数辨识和预测；仿真结果验证了该方法的正确性和有效性，表明该方法具有较好的理论价值和...

📅 👤 wang0123456789
Morlet Mercy 非线性 动态信号

现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维...

📅 👤 tianjinfan
特征

💻 主成分分析源代码

查看更多 »
💻
基于小波分析和主成分分析的人脸识别研究.doc
💻
100.txt
💻
bayesleastrisk.m
💻
spss7主成分分析与因子分析.ppt
💻
principlecomanalysis.m
💻
主成分分析.ppt
📂 主成分分析资料分类
🔥 热门资料 查看最受欢迎的资源 💻 源代码 程序代码与工程文件 📚 全部资料 18164 个资源