搜索资源列表
KMeanIntroduction
- 聚类分析是将集合中的数据按其相似性大小分成不同类别的一种方法,它是模式 识别中多变量无监督学习的一个分支,己成功地用于医学,地质,财务,工程,图像 处理和文档等的数据分类中；含有实现此算法的源码 -cluster analysis is to pool the data according to similar size into a different category, It is pattern recognition multivariable Unsupervised Le
increment
- 用VC编写的一段程序.主要功能是实现对一些数据的分类.方法是用模式识别中的固定增量法.-VC preparation for the procedure. Its main function is to achieve some data classification. Was used to pattern recognition fixed incremental method.
k_average
- 模式识别中K均值算法的示例程序，可对一组数据分类并图形输出分类结果。
fcm_c
- 模糊聚类分析传递闭包法FCM的C语言程序， 能对数据进行分类，广泛应用于模式识别中
svm-km.rar
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区
classification
- 该程序包实现了几个常用的模式识别分类器算法，包括K近邻分类器KNN、线性判别方程LDF分类器、二次判别方程QDF分类器、RDA规则判别分析分类器、MQDF改进二次判别方程分类器、SVM支持向量机分类器。 主程序中还有接口调用举例，压缩包中还有两个测试数据集文件。-The package to achieve a number of commonly used pattern recognition classifier algorithms, including K neighbor class
naivebayes
- 模式识别中朴素贝叶斯分类器,实习数据的良好分类技术-naive bayesian classification
work
- 模式识别中的K均值算法，对数据进行归类。程序中，使用了二维数据进行分类。通过修改参数，也可以支持三维或是更高维数的分类。-the K-means algorithm for Pattern Recognition
klinjinfa
- 运用模式识别中k临近法对数据进行分类，只要随意更改KEY的值为某一身高或体重，则可判别分类为A女或B男。-K using the approach of pattern recognition method to classify the data, as long as the random changes in the value of KEY for a height or weight, can be classified as A female judge or B M.
cexam
- 模式识别中的c均值算法，可对100个随机样本数据进行不多于10的分类-C-Means Algorithm Pattern Recognition can be right 100 random sample data, the classification of not more than 10
ISODATA
- 模式识别中的isodata算法，对100个随机样本数据进行分类，可自行输入参数-Pattern Recognition isodata algorithm, 100 random samples of data classification, self-input parameters
SVMinPR
- 模式识别中支持向量机的应用。在图像识别，多维数据分类中有很好的应用。-Pattern recognition Support Vector Machine. In image recognition, multi-dimensional data classification has a good application.
IrisDC06
- 分类是数据挖掘 、机器学习 和模式识别 中一个重要的研究领域。分类的目的是学会一个分类模型 (称作分类器)，该模型能把未知类别的数据项映射到给定类别中。目前发展较成熟的几种分类算法 如决策树、神经网络、贝叶斯方法、遗传算法等。分类具有广泛的应用，例如医学诊断、信用卡系统的信用分级、图像模式识别等。本毕业设计通过使用鸢尾属植物(IRIS)数据集，对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。-Classificatio
CCluster
- 用matlab写的模式识别中C均值分类算法，数据被分成2类，经验证正确-Pattern recognition with matlab written in C-means classification algorithm, the data is divided into two categories, proven correct
ISODATAaKmeans
- 模式识别中经典分类算法——K均值和ISODATA（迭代自组织数据分析算法）的C/C++代码-K-means and Iterative Selforganizing Data Analysis Techniques Algorithm in Pattern Recognition
logistic
- 用于模式识别中分类器的实现，罗杰斯特回归的实现 ，有数据实例，能够观察到分类结果和收敛曲线(logistics regression)
ratgb_maintanence
- 在模式识别中,尤其需要对一些样本进行分类,聚类分析是常用的方法,本程序基于最小最大距离的聚类原则实现对样本的聚类()
oeprease
- 模式识别中的分类算法的各种方法代码,很全()
81422321
- 模式识别中的分类算法的各种方法代码,很全()
knn
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c