搜索资源列表
PatternRecognition
- 1.Fisher分类算法 2.感知器算法 3.最小二乘算法 4.快速近邻算法 5.K-近邻法 6.剪辑近邻法和压缩近邻法 7.二叉决策树算法
Patternrecognition
- 模式识别基本方法matlab源代码，包括最小二乘法、SVM、神经网络、1_k近邻法、剪辑法、特征选择和特征变换。-Basic method of pattern recognition matlab source code, including the least squares method, SVM, neural network, 1_k neighbor method, editing method, feature selection and feature transformatio
cut_sample
- 使用二分法对样本集进行剪辑，剪辑法的思想，就是将样本集分成训练集与考试集， 利用训练集样本对考试集的样本进行分类（使用近邻法），如果考试集中某个样本分类错误的话，将这个样本删除。在该函数中，使用最近邻法，只进行一次剪辑（遍历完考试集中的样本以后退出）。还有一种重复剪辑法（适用于样本比较多的情况），把样本随机分为多个样本集，将相邻的两个样本前一个作为考试集，后一个作为训练集，调用二分剪辑。所有的样本子集剪辑完毕以后，在递归调用，直到没有样本被剪辑掉,没得讲，重复剪辑的效果肯定好一些。 -Th
KNN
- 自己编写的近邻法算法，包括k近邻法、两分剪辑和重复剪辑、压缩算法。在文档中给出了一个简单的算法原理说明，详细参考边肇的《模式识别》。注：里面的分类线绘制算法存在一些问题，仅供大家参考修改。-The nearest neighbor algorithm written by myself, including k nearest neighbor, the two sub-editing and re editing, compression algorithm. The document giv
111
- 基于MATLAB的近邻法剪辑算法的实验，源代码，及数据分析-Based on the MATLAB nearest-neighbor method clip algorithm experiment, the source code, and data analysis
jianji
- 剪辑近邻法当不同类别的样本在分布上有交迭部分的，分类的错误率主要来自处于交迭 区的样本。当我们得到一个作为识别用的参考样本集时，由于不同类别交迭区域 中不同类别的样本彼此穿插，导致用近邻法分类出错。因此如果能将不同类别交 界处的样本以适当方式筛选，可以实现既减少样本数又提高正确识别率的双重目 的。为此可以利用现有样本集对其自身进行剪辑。 -Clips neighbor method when samples of different types of distribution