说明：LDA线性判别分析是一种经典的提取特征的算法，它的基本思想是通过样本的类内离散度和类间离散度，寻找由最佳投影矢量构成的投影矩阵。将原始的样本数据投影到特征子空间中，实现数据分类。由于在人脸识别时常常会遇到小样本问题，因此在本次代码中，先用PCA主成分分析的方法降低样本维数，再用线性判别分析提取特征。...
说明：多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技...
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：在声学事件检测中， 采用基于短时能量和短时过零率的端点检测方法和基于动态时间规整算法的情况下， 对鸟叫声、 人说话声和车辆驶过声这三类声学事件进行检测。 在不加噪声的情况下， 基于时域特征的识别准确率是88.89%， 基于频域的识别准确率是83.33%， 基于时频域特征的识别准确率是77.78%。 ...
说明：人脸图像检测是在背景复杂的情况下提取出人脸图像，人脸图像识别是将提取出来的人脸图像与标准数据库中的图像进行对比，识别并显示结果。本文利用肤色 QUOTE 指亮度分量，指蓝色色度分量，指红色色度分量）模型，检测人脸，同时利用主成分分析算法识别人脸。研究内容如下：
说明：CNN作为一种卷积神经网络已经在社会各个领域有了非常深入的应用，特别是在图像识别和人脸识别领域，然而在睡眠分类领域还没有特别完善的应用，因此在本代码中，我们设计了一种CNN框架，能有效的适应睡眠过程中分类不均匀的问题，主要分为数据输入层，卷积层，降采样层，全连接层，和分类层，该CNN框架能有效的解决...
说明：手写体数字识别的基本过程：系统主要由手写体数字识别的训练过程和识别过程组成：，训练过程和识别过程均包括预处理、特征提取和模式识别三部分。一般包括如下过程：获取数据（用计算机来获取或显示数据）→预处理（去噪声，提取有用信息，对其他因素所造成的退化进行复原）→特征提取(对待测数字提取明显特征，与样板进行...
说明：模式识别中的bayes判别分析算法，数学方法是部分子空间法，是路径规划的实用方法，单径或多径瑞利衰落信道仿真，各种资源分配算法实现，信号维数的估计，isodata 迭代自组织的数据分析，现代信号处理中谱估计在matlab中的使用。