这是论文“PCA based Edge-preserving Features for Hyperspectral Image Classification, IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(12), 7140-7151.”的代码，更多细节可以在论文中找到。 如果你使用这个演示，请引用这篇论文。 要运行此演示，您应该先下载 libsvm-3.22。 libsvm-3.22 可在https://www.csie.ntu.edu.tw/~cjlin/libsvm/ 获得

分类算法（决策树、支持向量机）建立决策函数，然后判断如下数据的类别。 （青年，是，否，非常好）请按列表写结果并附加程序和运行结果。

pca降维pca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zippca降维数组.zip

除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明 　　skleran中集成了许多算法，其导入包的方式如下所示， 　　逻辑回归：from sklearn.linear_model import LogisticRegression        朴素贝叶斯：from sklearn.naive_bayes import Gaussian

MATLAB源程序15 SVM神经网络的信息粒化时序回归预测.zip

MATLAB源程序12 SVM神经网络的数据分类预测-葡萄酒种类识别.zip

MATLAB源程序13 SVM神经网络中的参数优化---提升分类器性能.zip

MATLAB源程序14 SVM神经网络的回归预测分析---上证开盘指数预测.zip

摘 要 ： 针对海天背景下红外舰船目标识别提出了一种基于机器学习的分类算法。 该算法首先利用分 割 算法提取红外图像中的连通区域,并对原图相应的位 置进行标记和归一 化处理 ,然后利 用HOG 特 征提 取 标记 区域 的 高维特 征 向量 ，用线 下样 本库 训 练得 到 的 SV M 分 类器 对所提 取 的 HOG 特 征 进行 高维特征 空间的分类 ，识别 目标和干扰。 仿真实验表明 ，该算法具有 良好的性能，在复杂海天干扰背景下能够有效地识别红外舰船目标 。

vs运行matlab代码 PCA_vs_NMF Compare the decomposition results of PCA and Non-negative Matrix Factorization (NMF) on Yale's faces dataset. PCA: 使用matlab自带的函数实现 NMF: 自己写了实现的代码 测试数据： 耶鲁大学的人脸数据库。考虑到可能有版权的问题，所以没有上传相应的数据，大家可以自己去相应的网站上下载。 结果： result_analysis.pdf中有给出我自己运行出的结果和相应的分析。