自动编码器降维 自动编码器可用于特征提取和降维。 它们也可以与受限玻尔兹曼机器结合使用深度学习应用程序，例如“深层信念网络”。 它具有“编码器”和“解码器”两个阶段，“编码器”将逐步压缩输入，在压缩过程中选择最重要的功能。 解码器与编码器相反，它可以尽可能地重新创建输入。 要求 Python 3.6及更高版本 TensorFlow 1.6.0及更高版本 脾气暴躁的 Matplotlib 执行 该实现使用MNIST数据集来重建输入。 由于MNIST图像的形状为28 * 28，因此输入为784。我们的模型将是3层，每层减少特征，并在解码器阶段重建inut， Encoder Decoder [784] -> [256] -> [128] -> [64] -> [128] -> [256] -> [784] 此实现的最

Jx-EEGT：脑电图（EEG）特征提取工具箱 《迈向人才科学家：共享与学习》--- 介绍 此工具箱提供 30 种类型的 EEG 功能 A_Main文件显示了如何使用生成的样本信号应用特征提取方法。 输入 X : 信号 (1 x样本) opts : 参数设置（有些方法有参数：参考） 输出 feat ：特征向量（您可以使用其他名称，如f2等） 用法 采用主函数jfeeg进行特征提取。 您可以通过将'me'更改为来切换方法 如果你想提取平均能量（ ME ），那么你可以写 feat = jfeeg('me', X); 如果你想提取 hjorth 活动（ HA ），那么你可以写 feat = jfeeg('ha', X); 示例 1：提取 3 个正常特征（不带参数） % Generate a sample random signal X fs = 500; %

心音分割：基于LSTM神经网络和傅里叶同步压缩变换的心音分割

基于CNN的高光谱图像正则化深度特征提取方法

使用SVM分类器进行水稻叶病检测：使用SVM分类器检测水稻叶病-Matlab代码

Gabor小波进行特征提取，实现人脸识别

功率谱密度代码matlab 信号特征提取（DE 和 PSD） 用于提取信号的 DE（差分熵）和 PSD（功率谱密度）特征的代码。 提供了 Matlab 和 python 版本。 input: data [n*m] n electrodes, m time points stft_para.stftn frequency domain sampling rate stft_para.fStart start frequency of each frequency band stft_para.fEnd end frequency of each frequency band stft_para.window window length of each sample point(seconds) stft_para.fs original frequency output: psd,DE [n*l*k] n electrodes, l windows, k frequency bands

压缩包包含两个文件： 1、特征提取与图像处理第二版影印版； 2、Feature Extraction and Image Processing for Computer Vision(3rd)最新第三版，这个是高清文字版哦

feature extraction深度学习的实现，代码内容详细，有不懂之处欢迎大家多多交流

malini：NeuroImaging中的机器学习（MALINI）是基于MATLAB的工具箱，用于使用静止状态功能磁共振成像（rs-fMRI）数据进行特征提取和疾病分类。 介绍了18种不同的流行分类器。 稍加修改，它也可以用于使用任何功能集的任何分类问题