说明：应用背景 虽然传统的基因选择方法已经能够取得很好的效果，选出的基因子集有利于后续样本分类，但是这些方法主要考虑数据方差和分布的相关性，从而选出的基因可解释性较差且冗余度较高。为了获得最小冗余可解释的基因子集，本文在充分考虑基因类别灵敏度 (Gene to class sensitivity,...
说明：聚类分析的目的是将一组给定的数据分成子集，这样这些子集代表数据本身的某些相似之处。人类的眼睛立刻认识到两个几何形状、 两个半-月亮，并能够将数据划分为两个群集，在那里在同一点群集属于同一半月形。然而，一般来说，和特别是来自现实世界的问题的数据，是不可能只是看看数据，所以我们需要依靠算法来做到这一点。
说明：模糊聚类是一种重要数据分析和建模的无监督方法.在FCM算法中,考虑到样本矢量中各维特征对模式分类的不同影响,本文提出一种优化特征加权的模糊聚类算法,该算法利用主成分分析法提取主要特征向量并根据其对方差的贡献率不同赋予相应权重进行聚类分析.
说明：经验模态分解（Empirical Mode Decomposition，简称EMD))方法被认为是2000年来以傅立叶变换为基础的线性和稳态频谱分析的一个重大突破 [1] ，该方法是依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。这一点与建立在先验性的谐波基函数和小波基函数上的傅...
说明：在这篇文章中，我们给出了非线性脉冲和孤子耦合的理论，它包含了2阶3阶色散，模间色散，损耗增益，色散不匹配，高阶非线性等等。文章主要说明了几个非线性耦合的基本问题： 非线性脉冲耦合行为主要依赖于参量Lcd （色散长度乘耦合系数），而不是输入脉冲形状，因而，孤子，高斯脉冲以及类高斯脉冲表现出同样的开关特...
说明：用于图像处理的独立分量分析，包含特征值与特征向量的提取、训练样本以及最后的识别，包括最小二乘法、SVM、神经网络、1_k近邻法,IDW距离反比加权方法，可以广泛的应用于数据预测及数据分析,多元数据分析的主分量分析投影。