Go To English Version 超过100万源码资源，1000万源码文件免费下载
共 1145 条 ，仅显示前1000条
源码资源搜索结果

关键字：ICA

  • 深度学习神经网络(英文版PDF教程） ... 13.1 Probabilistic PCA and Factor Analysis . . . . . . . . . . . . . . . 486 13.2 Independent Component Analysis (ICA) . . . . . . . . . . . . . . 487 13.3 Slow Feature Analysis . . . . . . . . . . . . . . . . . . . . . . . . 489 13.4 Sparse Coding . . . ...
  • 小波分析及其在数字图像处理中的应用 [朱希安，曹林 编著] 2012年版 ... 7.3.5 HMM人脸识别 7.3.6 算法复杂度分析 7.3.7 实验结果及分析 7.3.8 结论 7.4 基于Gabor小波、ICA和HMM的人脸识别方法 7.4.1 独立元分析降维 7.4.2 实验结果及分析 7.4.3 结论 7.5 本章小结 本 ... 识别算法 8.1.1 人脸图像二维离散小波变换 8.1.2 低频小波树 8.1.3 实验结果及分析 8.1.4 利用ICA降维 8.1.5 结论 8.2 基于小波树和Fisher线性鉴别的人脸识别算法 8.2.1 Fisher 线性鉴别 8.2.2 实验 ...
  • 独立成分分析（ICA）MATLAB 独立成分分析在通信信号识别、还原中的简单的实际应用
  • Matlab数据降维工具箱 Matlab Toolbox for Dimensionality Reduction Matlab数据降维工具箱，包括几乎所有的数据降维方法：PCA、LDA、ICA、MDS、Isomap、LandmarkIsomap、LLE、LLC、Laplacian、HessianLLE、LTSA、DiffusionMaps、KernelPCA、KernelLDA、SNE、NPE、LPP、SPE、LLTSA、SPCA、CCA、MVU、FastMVU、AutoEncoder、AutoEncoderEA
  • 帝国竞争算法ICA的matlab实现 根据Atashpaz-Gargari和Lucas在2007年发表的文章an algorithm for optimization inspired by imperialistic competition制作，内附原文及代码。
  • Matlab数据降维工具箱 Matlab Toolbox for Dimensionality Reduction Matlab数据降维工具箱，包括几乎所有的数据降维方法：PCA、LDA、ICA、MDS、Isomap、LandmarkIsomap、LLE、LLC、Laplacian、HessianLLE、LTSA、DiffusionMaps、KernelPCA、KernelLDA、SNE、NPE、LPP、SPE、LLTSA、SPCA、CCA、MVU、FastMVU、AutoEncoder、AutoEncoderEA
  • eeglab_2019版，最新版电生理数据处理工具箱 EEGLAB是一个交互式Matlab工具箱，用于处理连续和事件相关EEG、MEG和其他电生理数据，其中包括独立分量分析（ICA）、时间/频率分析、伪影抑制、事件相关统计以及多个有用的平均和单次试验数据的可视化模式
  • 论文研究-基于独立成分分析与核典型相关分析的WLAN室内定位方法.pdf ... 信号与位置信息之间的相关性，致使定位精度降低。针对这一问题，提出通过利用独立成分分析（independent component analysis，ICA）对RSS信号进行数据降维和去相关处理，提取独立分量；然后采用核典型相关分析（kernel canonical correlation analysis， ... ）、支持向量机（support vector machine，SVM）算法实现定位。实验结果表明，传统定位算法WKNN、SVM算法通过运用ICA与KCCA特征提取后再进行定位其定位精度得到了提高。
  • 论文研究-基于经验模态分解的单通道盲源分离算法.pdf ... 混叠的有效方法；然后利用互相关性消除上述步骤所得到的多路信号中的虚假分量，并将剩余的分量信号与观测信号构成新的多路信号；最后利用Fast-ICA（fast-independent component analysis）算法分离得到源信号。仿真实验表明该算法能够有效分离源信号，分离性能优于目前已有的基于经验模态分解的单通道盲源分离算法。
  • 论文研究-基于独立分量分析的自适应在线算法.pdf 独立分量分析(ICA)是近几年兴起的一种高效的信号处理方法，学习步长的优化问题是自适应ICA重要的一方面，基于变步长思想，定义了一种描述信号分离状态的相似性测度，来衡量输出分量之间的相似性程度，并由此提出一种改进的自适应在线算法。根据相似性程度所反映的信号分离状态自适应调节步长,并建立学习步长和相似性测度变化量的非线性关系，克服了传统算法在信道矩阵变化时对步长自适应调整的不足。性能指标分析和仿真实验证明了算法的收敛性和稳态性能。