《模式识别与智能计算》第2章特征的选择与优化

本文链接：https://blog.csdn.net/MissXy_/article/details/81003222

本文通过MATLAB软件对手写数字的templet.mat数据集进行了特征空间分布分析。首先介绍了如何加载数据并展示类别0的分布情况，然后给出了利用书中代码进行特征压缩、主成分分析等步骤的具体操作及结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

手写数字特征空间分布分析

手写数字特征空间分布分析

前言：此篇针对一部分环境配置失败读者。
上篇：《模式识别与智能计算》—MATLAB技术实现软件配置

光盘内容数据

下载：《模式识别与智能计算》MATLAB技术实现（光盘文件）之后，可以在 手写数字分类文件夹内找到templet.mat数据。
软件选择0类别对应templet中的pattern(1).feature；

使用软件查询

这里写图片描述

MATLAB打开`templet.mat`

这里写图片描述

利用软件进行样本特征分析

如图所示，打开样本分布：
这里写图片描述
类别0的分布如下：

利用书中代码进行样本特征分析

先加载template.mat代码如下：

x=pattern(1).feature;
for i = 1:5
    m(i,:)=sum(x((i-1)*5+1:(i-1)*5+5,:));   %特征压缩从25到5维
end
dsig_cov=cov(m');   %求mixedsig的协方差矩阵
[pc,latent,tspuare]=pcacov(dsig_cov);   %主成分分析
pc(:,2:5)=[];   %保留第一个特征
y=m'*pc;    %求第一个主分量
figure(2);
hist(y,40);     %画直方图
h=jbtest(y,0.05);   %正态分布检验