暂无评论
主成分分析 (PCA) 是一种统计学方法，通过正交变换将可能存在相关性的一组变量转换为线性不相关的主成分。该方法通过衡量信息量（通常使用离差平方和或方差）来确定主成分。PCA 最初由 Karl Pea
基于压缩感知的计算关联成像中,散斑设计是高质量图像重构的关键。针对传统散斑生成方法存在冗余高、关联成像质量低的问题,提出了一种基于主成分分析的散斑设计方法。该方法通过线性映射将高维空间中的数据投影到低
这个是我下载的别人的论文，希望对大家有用
使用Matlab实现的基于主成分分析的人脸识别系统，需要使用人脸库进行训练
一个基于主成分分析的人脸识别程序，中文注释。通过对给定数据库的学习，辨识所给图像是否是人脸。数据库样本越大，准确度越高
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。
一篇详细介绍鲁棒PCA的文章，虽然是英文文章，但内容读起来很容易
提出了一种原位的光刻机投影物镜偏振像差检测方法。定义一种新的偏振像差表征方法,推导了3对正交偏振态照明下空间像之差与偏振像差3个泡利项之间的互相关关系,并据此对交替相移掩模的3组差分空间像进行主成分分
详细介绍了matlab中主成分分析的函数
提供了matlab中的主成分分析函数，用于主成份分析
暂无评论