搜索资源列表
knn_demo
- K近邻法的matlab程序，发现大家都在找它！-K-nearest neighbor method of Matlab procedures, I found that we all have to find it!
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
matlab K近邻分类法
- matlabK近邻法实现
2rar.rar
- 用matlab写的最近邻和K近邻法分类器，简单易懂，适合初学者,Written with matlab and K-NN nearest neighbor classifier, easy to understand for beginners
knn
- knn-K近邻法实现两分类的函数代码，输入为两类的样本特征，和待测试的样本向量，输出为分类结果。-knn-K nearest neighbor method to achieve the two categories of function code, enter the characteristics of two types of samples, and samples to be tested vector, the output for the classification.
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
KClassify
- 使用K近邻法设计分类器，对一组数据进行分类-K-nearest neighbor algorithm to design the classifier, to classify a set of data
FN-KNN
- 基于k近邻规则的PCA方法，改进的主元分析法用于故障诊断-PCA based on KNN
KNN
- 关于K近邻的一些列子和程序，可以更深入的了解近邻法-Some neighbors on K Liezi and procedures can be more in-depth understanding of neighbor law
fisher
- Fisher线性鉴别分析已成为特征抽取的最为有效的方法之一 .但是在高维、小样本情况下如何抽取Fisher最优鉴别特征仍是一个困难的、至今没有彻底解决的问题 .文中引入压缩映射和同构映射的思想 ,从理论上巧妙地解决了高维、奇异情况下最优鉴别矢量集的求解问题 ,而且该方法求解最优鉴别矢量集的全过程只需要在一个低维的变换空间内进行 ,这与传统方法相比极大地降低了计算量 .在此理论基础上 ,进一步为高维、小样本情况下的最优鉴别分析方法建立了一个通用的算法框架 ,即先作K L变换 ,再用Fisher鉴别
pattern recognition
- 模式识别，fisher判别法，近邻法，k近邻法matlab例程(Pattern recognition, Fisher discriminant method, nearest neighbor method, k nearest neighbor method, matlab)
鸢尾花分类
- 使用四种方法进行鸢尾花分类：最小距离分类器，K 近邻法，感知器，Fisher 准则。(Four methods are used to classify iris: minimum distance classifier, K-nearest neighbor method, perceptron and Fisher criterion.)