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