PCA形状特征分析

包括主元分析的精炼介绍手册。斯坦福机器学习之主元分析笔记。核PCA的简练介绍文档。

KernelPrincipalComponentAnalysis核pca的原理，英文版

电子传输数据的主成分分析(PCA) 这是将主成分分析应用于电子传输数据的示例。 它是在我对分子动力学数据处理方法的本科研究期间,在我的家庭大学圣卡塔琳娜联邦大学(UFSC)的路易斯·雷戈(Luis R

上完陈恩红老师的《机器学习与知识发现》和季海波老师的《矩阵代数》两门课之后,颇有体会。最近在做主成分分析和奇异值分解方面的项目,所以记录一下心得体会。在许多领域的研究与应用中,往往需要对反映事物的多个

主成分分析源码,vc++编写.可实现主成分分析、对应分析、因子分析等功能。可独立运行

PCA(Principal Components Analysis)即主成分分析,是数据处理中经常用到的降维方法,对高维度特征数据进行预处理,降维是将高维度的数据保留下最重要的一些特征,去除噪声和不重

可用于数据预处理，对数据进行降维，增加网络的泛化性能

用java实现的主成分分析算法，用了Jama.Matrix，用的是Jama-1.0.2.jar。代码有备注，希望有帮助。

本matlab程序实现了基于PCA的人脸识别,并提供了相应的论文和测试数据集,并给出了测试结果。

主成分分析的代码,编译可以执行,需要vs2005