matlab:

initPmtk3:https://code.google.com/p/pmtk3/

非常強大的一個工具包，幾乎包含了機器學(xué)習(xí)所有常用算法。

dimension reduction:http://www.cad.zju.edu.cn/home/dengcai/Data/data.html

蔡登的論文代碼，主要是降維的如PCA,LDA等，還有譜回歸、特征選擇、矩陣分解、聚類等。

feature extraction:

LBP feature:http://www.cse.oulu.fi/CMV/Downloads/LBPMatlab

局部二值模型(Local Binary Pattern)，一種非常強大的紋理特征

classifier:

random forest:https://code.google.com/p/randomforest-matlab/

隨機森林分類器，準(zhǔn)確率與速度都還不錯

libsvm:www.csie.ntu.edu.tw/~cjlin/libsvm/

最強大的SVM工具箱

sparse representation:http://www.eecs.berkeley.edu/~yang/software/l1benchmark/

稀疏表示分類器

python:

numpy:www.numpy.org/

scipy:www.scipy.org/

前兩個主要是數(shù)值運算包，在機器學(xué)習(xí)，數(shù)據(jù)挖掘方面也是必須的。

scikit-learn:scikit-learn.org/

python中最強大的機器學(xué)習(xí)包