Fisher线性判别(FisherLinearDiscrimination,FLD),也称线性判别式分析(LinearDiscriminantAnalysis,LDA)。
FLD是基于样本类别进行全体特征提取的有效方法。
它在使用PCA方法进行降维的基础上考虑到训练样本的类间信息。
FLD方法在进行图像全体特征提取方面有着广泛的应用。
压缩包中有完整的代码与结果图
2022/9/8 5:33:15 40KB fisher matlab 分类器
1
基于主元分析的TE过程的毛病诊断技术(Matlab代码)基于主元分析的TE过程的毛病诊断技术(Matlab代码)
2022/9/8 0:59:43 126KB PCA TE过程
1
matlab图像交融:brovey变换、PCA变换、乘积变换、HSI变换方式。
2022/9/7 14:55:52 2KB matlab 图像融合 brovey变换 PCA变换
1
PCA降维MATLAB程序,次要用于光谱的降维PCA降维MATLAB程序,次要用于光谱的降维
2022/9/7 7:20:22 1KB pc
1
基于PCA的人脸识别系统,JAVA和MATLAB程序逐个对应。
并且JAVA版使用了OpenCV。
MATLAB程序可直接运行。
JAVA版需要配置环境。
具体的环境配置可参照博文http://blog.csdn.net/qq_28352753/article/details/78653710
2022/9/6 21:13:46 498KB PCA 人脸识别 JAVA
1
机械学习课程附带的程序练习,有很多简单的基础程序可供练习参考,自带鸢尾花数据等database
2022/9/6 7:24:18 13.79MB 机器学习 data modeling pca降维
1
顶点成分分析算法是一种非监督的端元提取算法。
顶点成分分析法假设纯净像元存在,根据凸面几何原理,认为端元都位于单形体的顶点。
VCA算法通过将数据投影到一个正交的子空间方向计算投影距离值最大的像元,它就是要寻找的端元。
要不断进行迭代计算,直到所有的端元都被找到。
VCA的计算步骤为:①对图像数据进行降维处理,设定一个信噪比门限值SNRth,根据图像的信噪比与门限值对比大小分别采用主成分分析法(PCA)或者奇异值分解法(SVD)对图像数据进行降维;②利用随机生成的正态分布矩阵计算初始向量,将所有的像元点向初始向量方向投影,找到投影值最大的作为端元;③继续计算新的投影向量方向并进行迭代计算直到找出所有的端元,本资源实现了VCA算法来非监督提取端元,希望对研讨端元提取的朋友有用
2022/9/4 20:45:10 9.29MB 端元提取算法论文及代码
1
本研究回顾了基于主成分分析PCA和判别分析LDA的降维方法及其扩展,包括经典主成分分析、概率主成分分析、核主成分分析,以及线性判别分析、局部保持降维、图形嵌入判别分析和半监督降维分析。
2022/9/4 7:32:06 1020KB PCA LDA 高光谱降维
1
程序中包含了多种流形学习算法:LLE、Isomap、Laplacian、HLLE等及实验所用的非线性数据,如Swiss-Roll等;
同时程序还为用户提供了界面,可以设置各种参数。
程序中也包含了多种经典的模式辨认算法,如MDS、PCA。
2022/9/4 0:28:02 66KB manifold LLE Isomap Laplacian
1
探究用户对物品类别的喜好细分降维案例中需要的数据。
该紧缩包包括products.csv、order_products__prior.csv、orders.csv、aisles.csv等数据。
除此之外,还包括利用PCA降维的python程序。
2022/9/3 19:42:19 196.36MB PCA降维
1
共 245 条记录 首页 上一页 下一页 尾页
在日常工作中,钉钉打卡成了我生活中不可或缺的一部分。然而,有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚,我总是得牢记打开钉钉应用,点击"工作台",再找到"考勤打卡"进行签到。有时候因为工作忙碌,会忘记打卡,导致考勤异常,影响当月的工作评价。而且,由于我使用的是苹果手机,有时候系统更新后,钉钉的某些功能会出现异常,使得打卡变得更加麻烦。 另外,我的家人使用的是安卓手机,他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说,每次打卡都是一次挑战。他们总是担心自己会操作失误,导致打卡失败。 为了解决这些烦恼,我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习,我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03 15KB 钉钉 钉钉打卡