f核主元分析 (Kernel Principal Component Analysis , KPCA) – MATLAB中文论坛 (ilovematlab.cn)发现一篇很好的讲解KPCA代码的文章KPCA简介KPCA、PCA应用：降维特征提取去噪故障检测假设训练数据由矩阵𝑋𝑛×𝑚表示，𝑚代表训练数据的大小，𝑛代表训练数据中特征向量的维度，KPCA具体实现过程如下：Step1：利用核函数

发现一篇非常好的pca学习文章,作者：凯鲁嘎吉 - 博客园MATLAB实例：PCA（主成成分分析）详解 - 凯鲁嘎吉 - 博客园 (cnblogs.com)1. 主成成分分析2. MATLAB解释详细信息请看：Principal component analysis of raw data - mathworks[coeff,score,latent,tsquared,explained,mu]

学习matlab过程中收集的一些常用代码。包括批量导入数据、读取/写入不同类型的文件、与或非、cell、randperm的使用等

1. repmat的使用% A可以是向量或矩阵B = repmat(A,m,n); % 产生m行n列的A，并组成矩阵例如：生成5个2>> repmat(1,1,5)ans =11111repmat函数中的A不仅可以为数值，也可以为矩阵2. 函数linspacelinspace：用来生成数据按等差形式排列的行向量x=linspace(X1,X2)%在X1和X2间生成100个...

第一：频谱一.调用方法X=FFT( x )；X=FFT( x ，N)；x =IFFT(X);x =IFFT(X,N)用MATLAB进行谱分析时注意：（1）函数FFT返回值的数据结构具有对称性。例：N=8;n=0:N-1;xn=[4 3 2 6 7 8 9 0];Xk=fft(xn)→Xk =39.0000-10.7782 + 6.2929i0 - 5.0000i4.7782 - 7.7071i5.

matlab绘图plot的用法的干货代码，非常全面，包括各种绘图细节以及如何自动保存高清图像

matlab将一个矩阵所有行的元素合并成一列/一行或者将一行元素拆分成几行的方法-reshape

f -- 信号频率fs -- 采样频率N -- 采样点数信号频率(f):信号频率就是信号的频率，影响的是信号的发生函数。采样点数(N)：采样点数是一次向PC端发送的数据量包含的点数，采样点数决定了每次传到PC内的数据量。就是每个周期采了几个点。N =T/dt ;dt = 1/fs.FFT、IFFT的采样点数必须是2的指数，在频域一个频点对应时域的一次采样，所以FFT的点数自然就是2048、1024

机器学习模型接受一定的输入并生成一个输出。根据输出值的类型可将机器学习模型进一步划分为分类（classification）和回归（regression）。如果机器学习模型的输出是离散值（discrete values），例如布尔值，那么我们将其称为分类模型。如果输出是连续值（continuous values），那么我们将其称为回归模型。分类和回归同属于监督学习需要完成的任务。二者区别浅层： 两者