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：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：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：正交化OLSDA给分类识别带来了更高的识别率
识别 实现 可以 数据 模式 处理 重要 正交 LSDA
说明：matlab算法集合打包,包括:数据拟合,数学规划,递推关系式的作图程序,最小生成树Prim算法,顶点覆盖近似算法,哈密尔顿回路,画等温线,离散优化,模拟退火应用,生成全排列矩阵,时间序列分析程序,中国大学生数学建模竞赛题解以及最短路径等等。
哈密顿回路 数学建模 数学建模程序 数据拟合
说明：用于特征降维，特征融合，相关分析等,代码里有很完整的注释和解释，在matlab环境中自动识别连通区域的大小,各种资源分配算法实现，模拟数据分析处理的过程，正确率可以达到98％。
matlab 分类 算法 程序 ID 一个 决策
说明：应用背景应用于大数据挖掘自变量降维，降维、聚类、回归分析，可进行偏最小二乘回归分析关键技术GA变量选择算法，综合考虑因变量与自变量的相关性，得到较低维的自变量和较高的交叉有效性值
matlab ga 自变量
说明：数据采用PCA降维后进行kmeans聚类确定样本类别，对聚类后数据作图，包括数据点以及质心位置， 随后进行样本集划分，利用knn算法进行有监督的学习分类，经测试，能够取得较好的分类效果。
说明：应用背景1999 年D. D. Lee 和H. S. Seung [26, 27] 在Nature上提出了一种新的矩阵分 解思想—非负矩阵分解(Non-negative Matrix Factorization, NMF). 该文章的发 表迅速引起了各个学术领域研究人员的重视: 一方面, 科学研...
matlab 矩阵 分解
mushrooms 模式识别
