说明:旋转森林最近热门的集成学习分类方法,可用于模式识别分类。当输入数据中存在非线性关系的时候,基于线性回归的模型就会失效,而基于树的算法则不受数据中非线性关系的影响,基于树的方法最大的一个困扰时为了避免过拟合而对树进行剪枝的难度,对于潜在数据中的噪声,大型的树倾向于受影响,导致低偏差(过度拟合)或高方差...
说明:流形学习算法LTSA的线性化方法,在基因分类聚类中得到了应用,可以将新样本线性地投射到低维空间。
说明:时间序列数据分析中的梅林变换工具,基于欧几里得距离的聚类分析,有信道编码,调制,信道估计等,matlab实现了五类灰色关联度模型的计算,雅克比迭代求解线性方程组课设,自己编的5种调制信号。
说明:案例1 BP神经网络的数据分类-语音特征信号分类
说明:使用BP网络实现了对Iris数据的分类,使用了可变学习速率和带动量的梯度下降算法。
iris-matlab-bp bp-iris-matlab iris-BP gradient-descent-bp matlab-bp
说明:正确率可以达到98%,利用最小二乘法进行拟合多元非线性方程,matlab小波分析程序,独立成分分析算法降低原始数据噪声,算法优化非常好,几乎没有循环,Relief计算分类权重。