MATLAB实现MLP多层感知机多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

安德森计算流体力学特征线法计算喷管的流动特性以及网格生成

brainTumor:实现了垂体瘤，胶质瘤和脑膜瘤的图像分类，先进行CTMR图像的分类，采用HOG + SVM算法实现，再进行图像识别，采用CNN或多特征+ SVM实现，系统界面pyQT构建

研究生期间发表的二作论文《基于自适应图学习的半监督特征选择》

MATLAB实现BP神经网络多特征分类预测（完整源码和数据） 数据为多特征分类数据，输入15个特征，分四类,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。 运行环境MATLAB2018b及以上。

基于点对特征的模式识别系统的设计与实现代码大全.pdf基于点对特征的模式识别系统的设计与实现代码大全.pdf基于点对特征的模式识别系统的设计与实现代码大全.pdf

基于SIFT特征提取和K-means分类模式识别系统的设计与实现代码大全.pdf基于SIFT特征提取和K-means分类模式识别系统的设计与实现代码大全.pdf基于SIFT特征提取和K-means分类模式识别系统的设计与实现代码大全.pdf

传统光伏发电功率预测存在因气象因素特征提取不综合不精确而导致预测精度不高的问题. 为了充分挖掘气象因素对光伏出力的影响, 并有效利用深度学习技术在非线性拟合方面的优势, 本文提出了一种基于气象因素充分挖掘的双向长短期记忆(Bi-directional Long Short Term Memory, BiLSTM)网络光伏发电短期功率预测方法. 在对原始数据进行异常值及标准化处理的基础上, 采用K近邻算法(K-Nearest Neighbor, KNN)在外界温度、湿度、压强等诸多气象因素中充分挖掘影响光伏出力的关键因素, 重构多元数据序列, 并在探索输入层时间步长、模型层数及每层维数等超参数的合理设置方案的基础上, 构建BiLSTM网络模型, 实现光伏发电短期功率的高精度预测. 仿真结果表明, 与KNN、深度信念网络(DBN)、BiLSTM、PCA-LSTM等经典方法比较, 所提KNN-BiLSTM方法具有更高的预测精度.

熵算法及其在旋转机械故障诊断中的应用的综述，值得学习和参考，然后应用在故障诊断领域

基于决策树算法识别数据特征的设计与实现代码大全.doc基于决策树算法识别数据特征的设计与实现代码大全.doc基于决策树算法识别数据特征的设计与实现代码大全.doc