搜索结果: 76-90 共查到“工学 PCA”相关记录113条 . 查询时间(0.125 秒)
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第八章 嵌入式GUI。
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第七章 嵌入式设备驱动。
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第六章 嵌入式系统的调试。
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第五章 嵌入式文件系统。
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第三章 嵌入式开发环境的建立及BSP包
电子科技大学电子工程学院 嵌入式系统设计与PCA技术 课件 第三章 嵌入式开发环境 BSP包
2009/8/17
电子科技大学电子工程学院嵌入式系统设计与PCA技术课件第三章 嵌入式开发环境的建立及BSP包。
基于小波变换和PCA的SAR图像相干斑抑制
主分量分析 相干斑抑制 小波变换
2009/8/6
提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息，主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征，将小波变换结合PCA用于图像处理，能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较，实验结果表明，该方法具有良好...
PCA based protection algorithm for transformer internal faults
Protection internal faults transformers
2009/7/28
In this paper a new protection scheme is introduced to detect and identify transformer winding faults.
The new approach is based on artificial neural networks (ANNs) using radial basis functions (RBF...
分块PCA与最大散度差鉴别分析结合的人脸识别
分块PCA 最大散度差鉴别分析 人脸识别
2009/7/22
提出了一种将分块PCA与最大散度差鉴别分析相结合的人脸识别方法。该方法是先对原始的人脸图像进行分块，然后对分块得到的子图像矩阵采用PCA方法进行特征抽取，从而把原始模式从高维空间映射到较低维空间。接下来再对新模式采用最大散度差线性鉴别分析，这样就避免了对新模式的类内散布矩阵非奇异的要求。在ORL人脸库和Yale人脸库上分别检验了分块PCA与最大散度差鉴别分析相结合的人脸识别方法的识别性能，实验结果...
基于PCA和改进BP网络的降雨预报模型研究
主成分分析 BP网络 降雨预报
2009/7/21
在主成分分析法和改进BP网络相结合的基础上，进行降雨预报模型的研究。先由主成分分析法降低原始气象数据的维数，然后利用改进BP网络有效地学习气象样本数据中蕴含的内在规律。研究结果显示，该降雨预报模型训练效率高，预报效果好。
基于PCA及属性距离和的孤立点检测算法
主分量分析 累计贡献率 属性距离和
2009/7/21
提出了一种基于主分量分析和属性距离和的孤立点检测算法。该方法首先通过主分量分析方法从众多属性中提取出满足累计贡献率的主分量，同时利用PCA变换矩阵把原始数据集转换到由主分量组成的新的特征空间上，之后对转换后的数据集用属性距离和的方法对孤立点进行检测。实验结果证明了基于主分量分析和属性距离和的孤立点检测算法的有效性。
基于核函数的PCA在QAR数据分析中的应用
核函数 核主成分分析 协方差矩阵
2009/7/17
分析了传统的主成分分析方法的不足，论述了KPCA方法及其时间复杂度高的缺陷。在此基础上，提出基于核函数构造的协方差矩阵的主成分分析，相比 KPCA，该方法具有快的降维速度。实验结果显示：把该方法用于QAR数据具有良好的降维效果和高分类正确率。
基于小波包PCA的故障传感器数据重构方法
小波包 故障传感器 数据重构
2009/7/16
讨论了基于小波包的多尺度主元分析方法应用于故障传感器数据重构问题。传统的基于小波包的多尺度主元分析在进行传感器故障诊断时没有建立数据重构模型，在相关传感器信号进行小波包分解的基础上，在最佳数的所有节点上建立主元分析模型，将主元分析模型的重构结果组合后再进行小波逆变换，从而实现故障传感器的数据重构。最后，利用试车台液氢供应系统的传感器数据仿真了几种典型传感器故障，并对设计模型实现数据重构的实用性和有...
融合小波与2D PCA的贝叶斯人脸识别
小波变换 二维主元分析 贝叶斯方法
2009/7/10
提出了融合小波和2DPCA进行贝叶斯人脸识别的方法。对原始图像采用小波分解后，利用2DPCA计算人脸的特征矢量空间。首先对低频子图进行贝叶斯人脸识别，然后对得分前五名的图像再次利用高频子图并行进行识别，通过加权排序得到最后结果。实验表明，与传统的方法相比较，该方法降低了运算量，提高了识别率。