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。
含有pca和kpca算法，具有很好的在图像处理方面的应用.rar32022772KPCAandPCA
问题： 设计一个采用欧式距离的的knn分类器 应用5-fold进行交叉验证，寻找出最好的k值（从准确度考虑） 使用PCA进行降维操作，将维数降至6维，这样应
我们考虑视觉的图像表示的问题分析。当表示图像作为载体， 特征向量空间是维数的非常高，这使得它的很难统计技术的应用 视觉分析。为解决这一问题，矩阵分解技术，如奇异向量分解
在此代码中其 LDA 算法在 matlab 上应用。其创建类分离散点图。并创建每个图像的精度。精度取决于训练集和测试集。
主成分分析的非线性可拓最近提出了核主成分分析 （PCA）。基本想法是要首先映射到特征空间的非线性映射 通过在输入的空间，然后计算本金这类功能组件的空间。这封信作为一种机制用于
估计计算特征间的相关性的一种有效方法，利用互信息可以有效地度量线性和非线性系统中特征之间的相关性，从而有效的降低输入变量的维数，提高计算效率。
这个 Matlab 工具箱实现 34 维数约简和度量学习技术。 这些技巧是通过 COMPUTE_MAPPING 函数或通过 GUI 的所有可用。 下列方法是可用的：
主成分分析（PCA）是处理统计数据的有用工具。但它也可用于处理图像或信号。这个文件是表明它是如何工作的图像处理的领域中的演示。
模式识别中关于特征选择和特征提取的知识
三个众所周知的外观基于子空间人脸识别算法用于测试压缩的影响： 主成分分析法-PCA （土耳其人和彭特兰，1991年），线性判别分析-LDA （Belhumeur 等，1996年）
基于matlab的步态识别程序，用到PCA进行降维！可供希望了解步态识别的初学者学习，代码中用到的步态识别数据库是datasetB这一经典的数据库！
matlab 图像特征提取