Kpca是一种非线性的盲源分离方法，很好用，推荐大家下载！
上传时间： 2013-12-22
上传用户：jing911003
一个利用Kpca进行故障诊断的程序，用起来很简单，里面有详细的标注
上传时间： 2013-12-23
上传用户：1159797854
关于关联向量机应用的最新文献！ 提出了一种核主元分析(Kpca)和关联向量机(RVM)相结合的组合建模方法。Kpca-RVM采用Kpca对原始自变量进行非线性变换并提取主成分,形成特征自变量 采用RVM,对Kpca变换后的样本数据进行回归建模,并根据模型的预报能力自适应的确定参与回归的最佳特征变量个数,消除冗余信息干扰,获得强非线性表达能力且预报性能良好的模型。并将Kpca-RVM应用于PTA装置对羧基苯甲醛(4-CBA)含量的软测量建模,结果表明该方法预测精度高于PCA-RVM和RVM。
上传时间： 2013-12-20
上传用户：ddddddos
Kpca与SVM共同用于人脸识别 SVM提高了分类效果 Kpca是一种借鉴SVM中核函数的一种较好的特征提取方法
上传时间： 2017-08-23
上传用户：qazxsw
基于Kpca_SVM的柴油机状态识别方法的研究 把Kpca与SVM共同用到柴油机状态识别中
上传时间： 2017-08-23
上传用户：nanxia
Kpca核PCA主元素分析matlab源代码下载
上传时间： 2019-04-02
上传用户：DP1042
现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（Kpca）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。
标签： 特征
上传时间： 2014-11-29
上传用户：tianjinfan
是基于主成成分和核主成成分的实例，有详细的注解，条理清晰易懂，适合初学者对pca与Kpca的学习。
标签： 分
上传时间： 2017-08-17
上传用户：541657925
在化工连续生产过程中，生产系统在长期运行和生产负荷中会不可避免地发生各种故障，影响生产质量，甚至引起重大的经济损失，而化工生产系统一般都具有过程精确、建模困难、过程变量众多且相互间具有强耦合，并且在实际中存在各种随机因素影响等特点。这就使得基于机理模型的诊断方法的应用极为不便。如核主元分析方法（Kpca）是一种不依赖于过程机理的建模方法，它只需通过过程数据的信息来进行统计建模，然后基于该模型实现对过程的监测。所以主元分析是一种较为成熟的多元统计监测方法。
标签： matlab
上传时间： 2016-05-09
上传用户：2017我们结婚吧
