emd program-matlab

说明：  通过贝叶斯信息准则确定高斯混合聚类方法的聚类簇数(Determining the Cluster Number of GMM Clusters by BIC)

用Gibb Sampling 的方法对LDA的参数进行推断(LDA model with Gibbs Sampling for inference)

Clustering the data with Density-Based Scan Algorithm with Noise (DBSCAN)

朴素贝叶斯分类的分类器实现，使用的是matlab语言。内含测试集和训练集，可直接运行，readme.txt文件中说明了数据格式

说明：  EMD经验模态分解算法程序，适合非线性，非平稳时间序列的处理(EMD empirical mode decomposition algorithm program)

基于matlab实现的一个在线迁移学习算法OTL,(Based on matlab to achieve an online migration learning algorithm OTL,)

数据挖掘经典算法，频繁项集挖掘经典算法，FPGROWTH算法，源码中有详细说明

说明：  处理ipix官网下载的雷达原始数据，将方位角以及俯仰角进行处理(Processing radar raw data downloaded from IPIX official website)

资源描述决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。其次，决策树方法计算复杂度不大，分类效率高，能够处理大数据量的训练集；最后，决策树方法的分类精度较高，对噪声数据有较好的健壮性，符合一般系统的要求。

kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。(Basic source application)