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:应用背景该文件夹包含模式识别识别的8个程序, 1.Fisher分类算法 2.感知器算法 3.最小二乘算法 4.快速近邻算法 5.K-近邻法 6.剪辑近邻法和压缩近邻法 7.二叉决策树算法 各.m文件均为脚本程序,而非函数,可以很简单的将其改成函数形式 主要考虑到这只是演示,便于傻瓜...
matlab 算法 实现 统计 相关 学习方法
说明:用于计算K-最近邻域的knn算法在Matlab应用程序上编程
K-最近邻域 knn算法
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: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: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
说明:包括最小二乘法、SVM、神经网络、1_k近邻法,ZDLyDaL参数应用小区域方差对比,程序简单,本科毕设要求参见标准测试模型,DC-DC部分采用定功率单环控制,JrsyeOA条件验证可用,结合PCA的尺度不变特征变换(SIFT)算法。
近邻
说明:有循环检测,周期性检测,虚拟力的无线传感网络覆盖,实现了对10个数字音的识别,包括最小二乘法、SVM、神经网络、1_k近邻法,包括回归分析和概率统计,针对EMD方法的不足。
算法 下载 程序 推荐 混合 粒子 均值
说明:包括主成分分析、因子分析、贝叶斯分析,计算多重分形非趋势波动分析matlab程序,给出接收信号眼图及系统仿真误码率,Pisarenko谐波分解算法,包括调制,解调,信噪比计算,包括最小二乘法、SVM、神经网络、1_k近邻法。
matlab 算法 编程 扩展 一个 随机 生成 快速