说明：本书广泛吸收统计学，神经网络，数据挖掘，机器学习，人工智能，群智能计算等学科的先进思想和理论，将其应用到模式识别领域中，全书共13章：模式识别概述，特征的选择与提取，模式相似性测试，贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计，决策树分类器，粗糙集分类器，聚类分析，模糊聚类分析，遗传算法...

matlab 代码 智能 识别 计算 模式 书本

说明：算法流程：选定训练集和测试集-数据预处理-交叉验证选择最佳参数-分类准确率-预测-利用最佳参数训练SVM。

数据预处理 交叉验证 最佳参数 训练SVM SVM

说明：支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表 基本情况　Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分...

matlab svm 训练 机器 学习方法

说明：在机器学习中，随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。该算法代码实现了基于随机森林模型的分类问题。

说明：模式识别感知器分类算法，采用Fisher分类的方法，对鸢尾花样本进行分类识别，属于多类识别的，

说明：若要解决多类问题纠错输出编码结合 Adaboost prouve 其鲁棒性，以处理这些问题。作为编码矩阵 M * N 定义、 被 M 是班级，数目，N 是弱分类器的数目。每一行表示为类码字。矩阵是用 OneVsOne 方法，编码和解码海明距离。Adaboost 被定义为促进弱分类器。

matlab

说明：是机器学习的例程，可实现对二维数据的聚类，采用加权网络中节点强度和权重都是幂率分布的模型，构成不同频率的调制信号，AHP层次分析法计算判断矩阵的最大特征值,基于K均值的PSO聚类算法。 

二维数据聚类 加权网络 幂率分布 AHP层次分析法计算 K均值 PSO聚类算法。

说明：非常全面的灵敏度分析讲解以及灵敏度检验案例。

灵敏度分析 重要度 sobol灵敏度 sensitivity 灵敏度检验

说明：采用了小波去噪的思想，主同步信号PSS在时域上的相关仿真，IMC-PID是利用内模控制原理来对PID参数进行计算，鲁棒性好，性能优越，FIR 底通和带通滤波器和IIR 底通和带通滤波器，包括最小二乘法、SVM、神经网络、1_k近邻法。

matlab 分类 算法 ID 好用 决策

说明：随机森林是一个包含多个决策树的分类器， 并且其输出的类别是由个别树输出的类别的众数而定。 Leo Breiman和Adele Cutler发展出推论出随机森林的算法。可用于数据分类和显现回归的一个相当不错的算法，可实现很多功能。这个算法只需要将所需文件放入一个matlab路径中即可实现