pca特征提取的matlab代码-Handling-Larger-Data-Sets-for-Clustering:处理更大的数...

pca特征提取的matlab代码处理更大的数据集进行聚类 本文档中提供的 MATLAB 代码在 2019b 和 2018b MATLAB 版本上进行了测试。 MinGW 是一个受支持的 C/C++ 编译器，它是运行某些 C++ 依赖项所必需的。 此外，MathWorks 的 Linspecer 用于生成有吸引力的颜色组合和阴影，以实现美丽的可视化。 操作 GUI 的完整过程包括四个阶段。 首先，用户可以选择从由上述十种算法组成的下拉列表中选择任何聚类算法来对数据进行分类。 在第二阶段，用户需要输入需要聚类的数据。 有三种不同的选项可供用户根据可用数据的性质输入数据。 用户可以输入原始数据、峰值和提取特征的形式。 如果输入的数据是原始数据或尖峰数据的形式，那么用户还必须从下拉列表中选择 PCA 或 Harr Wavelets 特征提取技术来提取数据特征进行分类。 最后一步是选择数据应划分的 N 个组以运行 GUI。 N 的值取决于数据集的长度和聚类算法的类型，参考本文的时间分析部分。 按“开始聚类”开始聚类过程。 GUI 以高精度和快速有效的方式生成聚类标签。 GUI 中的第一个图显示了