Correspondence matching using kernel principal components analysis and label con

主要讲的事图像处理中的图像匹配,对图像的匹配讲的非常详细。

深度神经网络成功的一个主要因素是使用复杂的体系结构而不是经典的多层感知器（MLP）。残留网络（ResNets）在这些强大的现代体系结构中脱颖而出。.. 先前的工作着重于深度ResNets相对于深度ML

In the p dimensional space formed by p asset returns, PCA finds the most important k directions that

不确定性分析新安江模型采用蒙特卡罗分析工具箱 ,Fathelrahman Ali Mohammed,Qinbo Chen ,在水文和环境系统模型的不确定性的考虑,是越来越重要,而且有时甚至决策者的要求

Althoughthereareseveralgoodbooksonprincipalcomponentmethodsandrelatedtopics,wefeltthatmanyofthemaree

PCA·1——主成分分析.主成分分析(PrincipalComponentAnalysis，PCA)是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂

核主元分析KPCA的降维特征提取以及故障检测应用-KernelPrincipalComponentAnalysis.zip本帖最后由iqiukp于2018-11-915:02编辑    核主元分析（K

Antifreeze protein detection using Rhodamine B as photoluminescence label in porous silicon

Computermethodscanassistinunderstandingthebehaviouroftheindividualcomponentsofahelmet,beyondmerelyth

分享自己做的主成份分析的GUI含原文件-GUIofPrincipalcomponentanalysisusingMALAB.rar 用SPSS做主成份分析有点麻烦，而且参数比较多，不是很容易看懂，