说明：特征提取

说明：实现特征提取

说明：特征提取，真的很有帮助，在机器学习中也是一个很好的应用

说明：PSO提取特征，数据为两个板块，标签和数据分成两个矩阵并分别进行了转置

说明：UVE提取特征，数据为高光谱数据，感兴趣区域数据，最后一列为标签

说明：详细的主成分分析的原理，应用，主要在信号处理，图像处理，特征提取等方面的应用，从多个角度来理解其原理

说明：肌电信号处理、相关的带通滤波、特征提取以及预处理降噪

说明：基于canny的特征提取，可以选择合适的特征进行提取

说明：模式识别作业，特征提取，数据是老师给的。

说明：这是CRC和RLS的特征提取代码，编程语言为matlab。注释清晰，代码完整，下载解压后可以直接运行。

说明：基于matlab平台的多目标特征提取代码实现

说明：提取图片特征值，方便接下来的降维或者聚类等别的图片处理

说明：在AR数据库上，用hog特征提取，再用KNN进行分类识别，进行简单人脸识别

说明：基于matlab的图像处理——纹理特征提取方法

说明：灰度共生矩阵提取特征，使用MATLAB提取特征参数

说明：该功能用于超声相控阵图像处理，可以有效进行图像分割，并对囊肿特征提取

说明：C1 –转子故障检测19案例 C2 –排水泵的状态监控20病例 C3 –音频监视21 案例C4 –使用振动数据监视旋转设备的状态 23 案例C5 –发电机轴承的状态监控24 案例C6 – Kaplan涡轮液压系统的状态监测25 案例C7 –电力变压器的故障检测26 案例C8 – SCADA数据收集系统27情况C9 –连续监视伺服电机 28案例X1 – OSIsoft PI模型集成29

说明：卷积神经网络CNN的结构一般包含这几个层： 输入层：用于数据的输入 卷积层：使用卷积核进行特征提取和特征映射 激励层：由于卷积也是一种线性运算，因此需要增加非线性映射 池化层：进行下采样，对特征图稀疏处理，减少数据运算量。 全连接层：通常在CNN的尾部进行重新拟合，减少特征信息的损失

说明：能够检测图片的特征点，利用DOG算子，实际测试方便，算法清晰，有相关参考文章链接

说明：基于遗传算法的封装模式的数据特征提取，利用数据对自身进行训练并能完全依靠特征对分类效果进行评价。

说明：基于小波变换的多尺度空间能量分布的特征提取

说明：对于特征的提取供了一些流行的机器学习框架与程序库的应用实例,包括tensorflow框架,注重实战

说明：实现声纹识别的特征提取功能，利用mfcc实现

说明：简单的特征提取程序，包 含PCA及PLS等特征提取算法

说明：用数字图像处理方法提取书法特征 实现书法骨架提取

说明：利用matlab对运动想象信号的EEG信号进行特征提取

说明：决策树 随机森林 解决分类和回归问题 并且可以进行特征提取 特征选择

说明：基于MATLAB的脉搏信号分析预处理，包括去噪预处理，特征提取，MATLAB-GUI界面

说明：对图像通过提取相关特征，来进行分类，效果很好