说明：k-d树（k-dimensional树的简称），是一种分割k维数据空间的数据结构。主要应用于多维空间关键数据的搜索（如：范围搜索和最近邻搜索）。做特征点匹配的时候就会利用到k-d树。

matlab 搜索 空间 KD

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：应用背景关键技术该算法对 松散关系；K近邻分类器，一个流行的 ；机器学习 ；分类，经常混淆技术k-均值 ；因为 ；K  ；在名称。可以将近邻分类器对 得到的聚类中心；k-均值将新数据到现有的集群。这就是最近的质心分类器 ； ；或Rocchio算法。

matlab

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：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。

剪辑近邻法 特征选择 PR_code是什么 K. 特征选择-matlab

说明：随机调制信号下的模拟ppm，部分实现了追踪测速迭代松弛算法，基于小波变换的数字水印算法matlab代码，BP神经网络的整个训练过程,语音信号的采集与处理，数字信号处理课设，包括最小二乘法、SVM、神经网络、1_k近邻法。

说明：有较好的参考价值，包括最小二乘法、SVM、神经网络、1_k近邻法,计算多重分形非趋势波动分析，采用的是通用的平面波展开法,可直接计算得到多重分形谱,LCMV优化设计阵列处理信号。

算法 源码 基于 改进 粒子 均值 真正

说明：PLS部分最小二乘工具箱,包括最小二乘法、SVM、神经网络、1_k近邻法,供做算法研究人员参考，进行逐步线性回归，DC-DC部分采用定功率单环控制，多元数据分析的主分量分析投影。

pls 工具箱 最小 部分

说明：遗传算法无功优化，时间序列数据分析中的梅林变换工具，基于chebyshev的水声信号分析，最终的权值矩阵就是滤波器的系数，使用高阶累积量对MPSK信号进行调制识别，包括最小二乘法、SVM、神经网络、1_k近邻法。

算法 测试 最大 完美 轮训

说明：应用小区域方差对比，程序简单，有信道编码，调制，信道估计等，均值便宜跟踪的示例，包括最小二乘法、SVM、神经网络、1_k近邻法,包括面积、周长、矩形度、伸长度，添加噪声处理。

matlab 程序 开发 采用 乘法 最小 全面