PCA-RBF 技术资料

针对传统混炼过程胶料粘度预测存在的辅助变量信息冗余大及冗余导致模型结构的复杂化和泛化能力的降低提出先进行主元分析；同时由于对象的复杂性，传统的建立单一模型的思想存在着弊端，从而提出基于RBF

适用于数据特征降维的工程实践，通过PCA算法实现高维数组的有效压缩与可视化处理，常用于机器学习预处理阶段。

RBF神经网络 RBF神经网络

难得一见的PCA算法完整解析，适用于高维数据降维处理，尤其在图像特征提取中表现突出。深入讲解其数学原理与应用逻辑，是机器学习与计算机视觉领域的核心技术资料。

基于pca的sift算法，实现功能强大，比传统的sift算法实时性和准确性好

处理大量数据的一种算法，对于科学工作者面对大量数据需要选取其中的具有代表性的数据不失为一种很好的算法，可用matlab。

RBF网络逼近、RBF-建模、RBF网络训练与测试程序

RBF程序，可实现函数拟合，本人已经亲自调试过，效果不错。

基于主元分析(pca)的elman,rbf神经网络的matlab程序,运算时间短,程序简单

涵盖PCA算法实现的完整代码库，包含数据预处理、特征降维及可视化全流程。适合深入理解主成分分析原理与工程应用。