信号处理
文章平均质量分 50
杰明学编程
这个作者很懒,什么都没留下…
展开
-
主成分分析法PCA特征降维
PCA特征降维matlab代码 clc; clear all; %x = xlsread('D:\实验项目\程序\肌电信号分析\腕关节\绝对值均值特征2.xlsx', 'sheet1', 'B2:M140'); %x = xlsread('C:\Users\80590\Desktop\BP分类\腕关节特征2.xlsx', 'sheet2', 'A2:I114'); x = xlsread('C:\Users\80590\Documents\MATLAB\BP分类\测试\两次实验合并特征值1', 'sh原创 2021-03-19 14:50:42 · 220 阅读 · 0 评论 -
PCA主成分分析法
PCA(Principal Component Analysis) 是一种常见的数据分析方式,常用于高维数据的降维,可用于提取数据的主要特征分量。 1.引言 在许多领域的研究与应用中,通常需要对含有多个变量的数据进行观测,收集大量数据后进行分析寻找规律。多变量大数据集无疑会为研究和应用提供丰富的信息,但是也在一定程度上增加了数据采集的工作量。更重要的是在很多情形下,许多变量之间可能存在相关性,从而增加了问题分析的复杂性。如果分别对每个指标进行分析,分析往往是孤立的,不能完全利用数据中的信息,因此盲目减少指标原创 2021-03-14 14:22:52 · 224 阅读 · 0 评论