包含各种matlab 用于KPCA的库函数，一般的matlab安装包里没有自带。

行业分类-物理装置-基于混合核PCA-CCA及核密度估计的过程监测方法.zip

针对雷达辐射源个体识别中特征提取困难和低信噪比下识别率低的问题，从图像角度出发提出了一种基于变分自编码器的雷达辐射源个体识别算法。基于信号时频分析，利用变分自编码器(variational auto-encoder, VAE )提取时频图像的深层特征，并采用核主成分分析(kernel principal component analysis,KPCA)获取特征中的主成分，最后将特征送入支持向量机进行分类识别。仿真结果表明：文中所提算法在识别效率和抗噪声性能等方面均优于其他传统算法。当信噪比(signal-to-noise ratio,SNR)为0 dB时针对6个辐射源进行识别，可获得93%以上的识别率。该算法特征提取简单、系统实时性高，具有较高的工程应用价值。

考虑非线性情况，在PCA方法的基础上加入核方法，即KPCA方法。

一些关于核函数的PCA ECA 分析，以及对应的聚类分析方法，演示程序

包括主元分析的精炼介绍手册。斯坦福机器学习之主元分析笔记。核PCA的简练介绍文档。