说明：knn（k-近邻）用于模式识别，实验所需数据已给出，适用于初学者加深对knn算法的理解。

K. KNN-识别 knn-matlab matlab-knn k近邻

说明：k近邻算法和KALMAN滤波相结合的一个实例论文。

k近邻算法 KALMAN滤波 论文

说明：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。

code-for-knn KNN-分类 KNN-Classification K. 样本分类

说明：在模式识别中，k-近邻邻居算法 （或简称 K-NN） 是一种用于分类和回归的非参数方法。在这两种情况下，输入包括 k 最近训练样本在特征空间中。输出取决于 k-近邻用于分类或回归。

matlab 算法 近邻 邻居

说明：常用的分类方法，包括最近邻（NN），k均值（kmeans），k近邻，Fisher线性判别。-Commonly used classification methods, including nearest-neighbor (NN), k the mean (kmeans), k neighbors,...

matlab 分类 fisher 方法 常用 包括 线性 均值 近邻 判别 NNk kmeansk

说明：利用K近邻算法实现模式识别的一个小demo。对测试数据集做预处理，与训练数据集做K近邻匹配；使用5折的循环匹配；并对高维数据进行PCA降维以防止过拟合。

matlab 算法 近邻

说明：knn k近邻算法，可选择欧式距离或者曼哈顿距离

knn-matlab K近邻算法 kd树 knn-k-fold k-aunonimity

说明：K近邻算法。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：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

K. knn

说明：采用波束成形技术的BER计算，包括随机梯度算法，相对梯度算法，包括最小二乘法、SVM、神经网络、1_k近邻法,D-S证据理论数据融合，对信号进行频谱分析及滤波，重要参数的提取。

算法 神经网络 svm 滤波 ber ds 相对 提取 参数 分析 进行 采用 计算 包括 数据 技术 随机 乘法 最小 信号 频谱 波束 证据 理论 近邻 重要 融合 梯度 成形

说明：计算加权加速度,主同步信号PSS在时域上的相关仿真，包括最小二乘法、SVM、神经网络、1_k近邻法,自己编的5种调制信号，可以动态调节运行环境的参数，实现串口的数据采集。

神经网络 调制 svm 串口 环境 仿真 pss 同步 参数 运行 实现 可以 计算 包括 乘法 自己 最小 信号 动态 相关 时域 近邻 加速度 调节 加权 数据采集