说明： KNN 算法其实简单的说就是“物以类聚”，也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类，思想很简单：如果一个样本的特征空间中最为临近（欧式距离进行判断）的K个点大都属于某一个类，那么该样本就属于这个类。这就是物以类聚的思想。
说明：本代码基于雷达信号处理基本原理在工程上的应用，首先给出了LFM信号的模糊函数，以及等高线图，并计算了时间模糊函数和多普勒模糊函数，并给出了模糊函数6db等高线图，并计算了距离和多普勒频率与时间的关系，通过产生现行调频信号，并对现行调频信号进行了匹配滤波处理和加窗的线性调频信号匹配滤波，在进行相干积累...
说明：应用背景 k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。 关键技术 先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的...
说明：K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大，算法过程如下： 输入：k, data[n]; （1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1]； （2） ...
说明：%基于VQ的说话人识别系统，矢量量化起着双重作用。在训练阶段，把每一个说话者所提取的特征参数进行分类，产生不同码字所组成的码本。在识别(匹配)阶段，我们用VQ方法计算平均失真测度(本系统在计算距离d时，采用欧氏距离测度)，从而判断说话人是谁。本段代码是对音频进行训练，也就是提取特征参数
说明：matlab练习程序（KNN，K最邻近分类法） K最邻近密度估计技术是一种分类方法，不是聚类方法。不是最优方法，实践中比较流行。通俗但不一定易懂的规则是： 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报