说明:综合评价之二篇章
说明:知识点第2部分
说明:可以实现模式识别领域的数据的分类及回归,模式识别中的bayes判别分析算法,相关分析过程的matlab方法,时间序列数据分析中的梅林变换工具,实现了对10个数字音的识别程序包括AHP,因子分析,回归分析,聚类分析。
说明:keca算法源码,一种非线性的降维和数据转换方法,该方法降维之后通常能够导致数据集有一个明显不同的角度结构,有利于后续的聚类分析和模式识别等
说明:基于负熵最大的独立分量分析,可以得到很精确的幅值、频率、相位估计,经典的灰度共生矩阵纹理计算方法,用MATLAB实现动态聚类或迭代自组织数据分析,该函数用来计算任意函数的一阶偏导数(数值方法),基于互功率谱的时延估计。