本专区汇聚了各类基于 降维 开发的源码资源，共计 180 篇资源供开发者免费下载学习。
资源描述主成分分析方法在降维，特征参数提取等方面都有涉及，特别是图像处理方面。
PCA： 校长通话组件分析特征提取 PCA： 是用于为数据减少和通过使用 PCA 我们可以重建图像 PCA： 用于在无监督学习的图像分类
资源描述 基于Gabor变换的人脸特征提取算法。通过对人脸傅里叶变换和Gabor变换的实验比较，证明了Gabor变换在提取人脸特征方面具有很大的优越性。接着，介绍了Gabor小
资源描述介绍皮尔森（1901）和Hotelling（1933）描述多元多元的变异术语数据一组不相关的变量•我们通常有氮的数据矩阵对磷的观察相关变量X1，X2，…XP•主成分分析寻找
资源描述一段做人脸表情识别的程序，其中包含了表情图像的预处理；用Gabor小波来提取图像的纹理特征；进而用下采样方法进行降维，并运用PCA和LLE算法进行进一步的特征提取，以便于分
用于特征降维，特征融合，相关分析等,一种流形学习算法（很好用），考虑雨衰 阴影 和多径影响，包括数据分析、绘图等等,用于时频分析算法，合成孔径雷达（SAR)目标成像仿真。
资源描述基于PCA的人脸识别算法研究，从专业的角度展示PCA人脸识别的算法和研究，有精确的识别方法和识别率.PCA，亦即主成分分析，主要用于对特征进行降维。如果数据的特征数非常多，
t-SNE是目前来说效果最好的数据降维与可视化方法。
所谓偏最小二乘法，就是指在做基于最小二乘法的线性回归分析之前，对数据集进行主成分分析降维
用PCA来抽取人脸特征，在降低维数的同时，在一定程度上去除原始特征各维之间的相关性。每个人选取五张为实验的数据集。
自己写的pca,主成分分析算法，有错的地方，希望大家指正，谢谢大家
资源描述特征选择等机器学习的源码 包括：谱回归，降维，特征选择，主题模型，矩阵分解，稀疏编码，哈希，聚类，主动学习，矩阵学习。 是一个很好的机器学习源码资料，非常不错！