说明：1.计算待分类数据和不同类中每一个数据的距离（欧氏或马氏）。 2.选出最小的前K数据个距离，这里用到选择排序法。 3.对比这前K个距离，找出K个数据中包含最多的是那个类的数据，即为待分类数据所在的类。 不通俗但严谨的规则是：

matlab

说明：资源描述模糊聚类虽然能够对数据聚类挖掘，但是由于网络入侵特征数据维数较多，不同入侵类别间的数据差别较小，不少入侵模式不能被准确分类，基于此，本程序采用结合模糊聚类和广义神经网路回归的聚类算法对入侵数据进行了分类，并通过仿真实验验证了算法可行性。

matlab 算法 神经网络 网络 基于 研究 入侵

说明：适合于多分类问题，二分类问题。该源代码的测试数据为常用的数据Iris，测试结果显示该算法的分类正确率极高，能够达到98%。K-最近邻(k-Nearest Neighbour，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相...

说明：数据采用PCA降维后进行kmeans聚类确定样本类别，对聚类后数据作图，包括数据点以及质心位置， 随后进行样本集划分，利用knn算法进行有监督的学习分类，经测试，能够取得较好的分类效果。

说明：非负矩阵分解 （NMF） 已成为最广泛使用的聚类技术的探索性数据之一分析。但是，由于每个数据点进入平方的残留错误的目标函数与大了一些局外人错误很容易地主宰的目标函数。在本文中，我们提出了鲁棒流形的非负矩阵分解使用 ℓ2、 1-范数和整合 NMF 和相同的聚类框架下的谱聚类 （RMNMF） 方法。我们...

matlab 矩阵 分解

说明：MNIST数据库半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类算法半监督学习分类...

说明：一种基于粒子群K均值聚类算法的电梯交通模式识别方法。该方法通过对此前一周的原始客流数据进行聚类分析，得到相应交通模式的聚类中心坐标[2]。针对实时变化的交通流数据，采集5 mins时段客流数据，根据最近邻原则划分其归属的聚类中心，从而识别出当前的交通模式。

粒子群 K均值 聚类算法 电梯 交通模式 识别方法 PSO

说明：应用背景1999 年D. D. Lee 和H. S. Seung [26, 27] 在Nature上提出了一种新的矩阵分 解思想—非负矩阵分解(Non-negative Matrix Factorization, NMF). 该文章的发 表迅速引起了各个学术领域研究人员的重视: 一方面, 科学研...

matlab 矩阵 分解

说明：应用背景你得到的分类器函数求值函数- -非常重要--其他代码是瞎扯淡* T，这是真正的交易，我已经用过很多次股票交易，债券，期货，等参数（对于分类侧）：一个包含每个类的特征值的单元格数组。即，F { 1 }是第一 矩阵的大小numofdimensions X numofsamples；类，等。测试：...

matlab 神经网络 函数 knnclassify knnevaluate

说明：云分类器，一种基于云模型理论的分类程序。程序中使用云分类器对Iris数据集进行了测试-cloud classifier, a theoretical model based on cloud classification procedure. Procedures used for cloud cl...

matlab