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。
PCA（主成分分析法）和ICA（独立成分分析法）的MATLAB源程序，他们是目前图像处理比较经典的特征提取方法-PCA
在特征选择的帮助要使用的不同技术。他们帮助比较分类得到最优的结果
经典的线性判别分析"机器学习"班上作业，PCA 与 LDA 的维数约简，即使大量的联机状态，但几个笔记，另一方面没有支付对细节的关注。这里还有非常详细的笔记。此外，附加朴素贝叶斯分
流行学习的matlab代码，包括各种流形学习方法:MDS/ISOMAP/LLE/HLLE/LE/LTSA…… 图形界面，操作简单。
采用二维Gabor小波变换对图像进行多尺度多方向分析，将图像数据映射到高维数据空间，再利用pca降维方法对高维数据进行降维，降维后的数据具有很好的可分性，在模式识别与分类阶段，才用
这是维数约减算法，它被称为 LDA。我们可以用 LDA 对分类和降维。使用该算法的关键步骤是发现了 envigenvector 和 envigenvalue，然后选择 k 减少的最
主成分分析
CACC 特征选择 在光谱特征选择方面， 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报
kpca核主元成分分析源代码，可以用于特征降维，特征融合，用途很广泛。通过将数据映射到核空间，在核空间进行线性处理数据，代码包含注释，简单容易理解，非常适合初学者，很容易上手
逼近非线性内核使用特征映射获得了大量的利息在近年来由于在减少培训和测试次数支持向量机分类器和其他基于核的学习算法中的应用。我们将这条线的工作和目前的低失真嵌入的点积内核扩展到线性的
这种算法是属性减速。MDDM 是一个多标签维数约简的包。它可以用于减少的高维多标签数据的维数
特征选择与主成分分析 （pca）。它减少了特征向量的大小。biomeical imagae 处理、 医学图像分析、 分类和 clusyering 使用 PCA。PCA 是特征选择和