pca和_fase_pca实现特征降维，两种算法都有所改进，特别是pca可以根据自己的需要进行相应的改进，代码清晰易懂，希望对你有帮助。
pca和_fase_pca实现特征降维，两种算法都有所改进，特别是pca可以根据自己的需要进行相应的改进，代码清晰易懂，希望对你有帮助。
用于降维的pca算法，适用于人脸识别中图片维度的降低
pca降维算法，试验已经成功，将39维数据降到12维
一款很好用的PCA降维算法，可以自己修改后随意使用。
简单的数据降维算法（PCA）举例，构造随机的10维数据，降维成3维的。Sample可替换成用户数据
运用pca算法降维，提取主要特征值，从而达到降维目的
PCA降维算法，本程序已经调好，可以直接跑数据
pca数据降维算法，很好的解决数据灾难的问题。
PCA算法，主成分分析，主要用于数据降维
基于kernel pca的非线性降维算法，原文发表于神经计算杂志上，有兴趣者可以先看论文。
通过主成分分析法将多维数据降维，让高维数据可以可视化。
用matlab自带的PCA算法对图像进行降维
5掌握PCA、SVD、LAD和NMF等算法实现及应用
高维数据通过 PCA算法进行数据降维，便于对数据的进一步处理。
使用PAC进行降维的算法代码，有所参考，侵删
pca_高维降维_python_pca降维_pca将多维_pca算法_源码.zip
K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.
基于快速PCA的人脸识别算法，可供入门者学习。
PCA(Principal Component Analysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维...
模式分类中应用到的PCA算法，包括其奇异值分解SVD算法。可用来降维提取主元素等。
数据降维工具箱，包括一些典型算法，例如pca，lle，mds，lda等。
经典PCA降维算法，通过最大方差提取特征
一种新的降维算法PCA_LLE在图像识别中的应用.pdf
最新最强MATLAB降维工具箱，可用于人脸识别，模式识别，机器学习，数据挖掘，图像处理等领域，里面包含的算法有PCA,LDA,KPCA,KLDA,Laplacian，LPP,MDS,NPE,SPE,LLC,CFA,MCML,LMNN等等
基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。
改进的关于pca算法实现的人脸识别，非常有用，原创
pca算法，用于数据降维，注释非常详细清晰，
快速PCA算法，用于对大规模数据进行PCA降维，节省时间
简洁的matlab可用的pca算法，可以用来对大量数据进行降维精简处理。
MATLAB平台下开发的数据降维工具包，包括PCA ，LDA等主流算法。