说明：K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.

联合开发 降维聚类 降维算法 PCA-聚类 PCA可视化

说明：可用于M*N大数据降维，里面步骤很清新哦···程序说明：y = pca(mixedsig)，程序中mixedsig为 n*T 阶混合数据矩阵，n为信号个数，T为采样点数, y为 m*T 阶主分量矩阵。程序设计步骤：1、取均值2、计算协方差矩阵及其特征值和特征向量3、计算协方差矩阵的特征值大于阈值的个...

matlab pca 代码

说明：用mushrooms数据对模式识别课程讲述的各种模式分类方法[线性分类，Bayesian分类，Parzen窗，KNN]和特征选择和降维方法[PCA,LDA]进行了模拟，并给出了各类分类方法的结果

pca-knn PCA分类识别 LDA-KNN 数据降维分类 分类

说明：很好的流形学习，处理高维数据，降维操作，里面含有LLE，PCA，Dijstra,Iosmap等等

LLE-降维 manifold spike PCA_LLE lle

说明：pca-kmeans聚类先将数据(wine，uci数据集)降维处理，在进行聚类

uci-kmeans 聚类降维 聚类UCI uci-聚类 wine聚类

说明：一个很好的PCA程序。它可用于数据的降维，消噪及特征提取。

Kpca降噪 数据特征提取 PCA、KPCA降维 提取-matlab pca降噪

说明：NMF矩阵分解算法可用于高维数据分解和降维处理分析。

NMF矩阵分解算法 高维数据分解 降维处理分析

说明：PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据。

pca-排序 pca中心 投影降维 PCA-降维数 pca矩阵降维

说明：主成分分析PCA对数据矩阵进行降维，可以减少计算量，缩短计算时间，降低CPU负载，需要考虑实时性的场合可以采用主成分分析PCA对数据进行处理。只需要对程序当中的k值进行调整，即可降维到相应的维数，简单方便

说明：PCA算法（主成分分析算法），通过对多维数据的降维算法，达到图像降维的目的，把关键信息存储在更低的维度，可用于人脸特征识别匹配的多种途径。