亮度变化与空间滤波
摘要：
g = imadjust(f,[low_in,high_in],[low_out,high_out],gamma); %f为输入的图像 %后面两个区间表示将[low_in,high_in]之间的值映射为[low_out,high_out]之间的值 %gamma为调节权重，小于1则映射被加权至更高的值
多维标度法
摘要：
只知道n个客体之间的某种距离，而不清楚具体指标的情况。 多维标度法要将这些客体在低维空间展现出来，从而揭示n个客体的真实结构。 经典多维标度 [y, eigvals] = cmdscale(d) %函数cmdscale产生两个输出，第一个Y是包含重构点的矩阵， %第二个eigvals是被称为标量积矩
对应分析
摘要：
为什么用对应分析 对数据降维是经常使用因子分析和主成分分析。 但因子分析对变量和对样本分别是R型和Q型，这两种分析方法往往是相互对立的，必须分别对样本和变量进行处理。 如果关系样本和变量之间的关系，就不好用。 这时，可用对应分析 😇 对应分析为我们可以提供三个方面的信息 变量之间的信息 样本之间的
典型相关分析
摘要：
典型相关分析（ Canonical Correlation analysis ） 研究两组变量（每个变量中都可能有多个指标，即每个变量都是向量）之间相关关系的一种多元统计方法，它能够揭示出两组变量之间的内在联系。 步骤 标准化数据 计算原始变量X、Y增广阵的相关系数矩阵R。 求典型相关系数以及典型变
判别分析
摘要：
根据已有的数据确定待判别数据的分类。 使用matlab的classify函数，Classify observations using discriminant analysis - MATLAB classify - MathWorks 中国。 [class,err]=classify(sample
因子分析
摘要：
因子分析是主成分分析的推广。 因子载荷矩阵估计方法 主成分分析法：《数学建模算法与应用》P243 主因子法 最大似然估计法：MATLAB :
主成分分析
摘要：
主成分分析 (PCA) - MATLAB & Simulink - MathWorks 中国 构建相关系数矩阵或协方差矩阵 两个变量的协方差
聚类分析
摘要：
聚类分为两种：对样品分类，Q型；对变量（指标）分类，R类。 Q型 样品空间的相似度——距离 常见的距离描述方法： 欧几里得距离： MATLAB自带函数计算 d = pdist(x)%每个行向量代表一个坐标 绝对距离：
灰色关联度分析
摘要：
灰色关联度分析法（Grey Relation Analysis），就是在一个灰色系统中，我们想要了解其中某个我们所关注的某个项目受其他的因素影响的相对强弱。 为此，需要设立母序列, 记为
熵权法
摘要：
熵是热力学的一个物理概念，是体系混乱度或无序度的度量，熵越大表示系统越乱（即携带的信息越少），熵越小表示系统越有序（即携带的信息越多）。 信息熵借鉴了热力学中熵的概念，香农把信源所含有的信息量称为信息熵，用于描述平均而言事件信息量的大小，所以在数学上，信息熵是事件所包含的信息量的期望（mean，或称
