说明：针对大数据信号处理时的特征选择与特征降维，给出了4种有效的特诊选择方法。
信号处理 特征选择 数据降维 特征降维
说明：PCA主成分分析，提取主特征，降维处理
PCA主成分 PCA特征提取 主成分 pca-主成分 PCA主成分分析
说明：可用于M*N大数据降维，里面步骤很清新哦···程序说明：y = pca(mixedsig)，程序中mixedsig为 n*T 阶混合数据矩阵，n为信号个数，T为采样点数, y为 m*T 阶主分量矩阵。程序设计步骤：1、取均值2、计算协方差矩阵及其特征值和特征向量3、计算协方差矩阵的特征值大于阈值的个...
matlab pca 代码
说明：完成多维数据的降维工作简化数据以便更好地完成工作。
降低纬度 数据降维 降维
说明：PCA+SVM，对图像进行降维分类，并在yale库上测试取得比较好的效果
PCA--SVM pca降维 svm图像分类 PCA-SVM 图像分类
说明：pca-kmeans聚类先将数据(wine，uci数据集)降维处理，在进行聚类
uci-kmeans 聚类降维 聚类UCI uci-聚类 wine聚类
说明：数据采用PCA降维后进行kmeans聚类确定样本类别，对聚类后数据作图，包括数据点以及质心位置， 随后进行样本集划分，利用knn算法进行有监督的学习分类，经测试，能够取得较好的分类效果。
说明：对图像进行降维，用少量图像的主成分去描述整个图像以提高系统的效率。
PCA-降维-图像 PCA对图像降维 PCA图像降维 pca降维 PCA-图像
说明：主成分分析PCA对数据矩阵进行降维，可以减少计算量，缩短计算时间，降低CPU负载，需要考虑实时性的场合可以采用主成分分析PCA对数据进行处理。只需要对程序当中的k值进行调整，即可降维到相应的维数，简单方便
说明：基于二维PCA对人脸进行识别，对图像有很好的降维作用，且识别率比pca好
人脸比对 PCA二维 pca图像识别 对图像进行PCA PCA图像降维
