说明：支持向量机(SVM, Support Vector Machines)实际是近年来出现的一种先进的机器学习方法，它是重要的基于VC理论的创造性机器学习方法，是一种非常有潜力的分类技术 ，开辟了学习高维数据新的天地，可以替代多层感知机、RBF神经网络和多项式神经网络己有的学习算法，同时SVM方法在实际...

matlab 分类 svm 基于 类别

说明：用于模式识别分类，有C均值算法、HK算法以及感知器算法

HK-matlab 感知器 C均值算法 分类 感知器算法

说明：（1）计算图像中每个像素点的LBP模式(等价模式,或者旋转不变+等价模式)。 （2）然后计算每个cell的LBP特征值直方图，然后对该直方图进行归一化处理(每个cell中，对于每个bin,h[i]/=sum,sum就是一副图像中所有等价类的个数)。 （3）最后将得到的每个cell的统计直方图进行...

SVM 机器学习算法 分类识别 LBP

说明：该程序分别提取正负样本图像的HOG和LBP特征，利用支持向量机进行样本训练，得到行人分类器。利用训练好的分类器进行检测，实验结果表明，该方法可以有效检测出图像中的行人，并达到了较好的检测结果。

HOG-LBP-detection 行人检测hog+lbp LBP-detection 图像特征提取 HOG特征-matlab

说明：贝叶斯分类方法源于人类的日常生活，是最基础的一种分类方法。在数学上，它基于贝叶斯决策公式的计算来分类；在现实中，它基于人类对于分类的基本经验来完成分类。所谓分类的基本经验，就是远在使用机器来做模式识别之前，人类经常使用的“大概”概念，由人类加以总结之后形成了概率论的数学理论分支。

matlab 分类 代码 Iris 数据 贝叶斯

说明：利用PCA对人脸图像进行降维，然后训练神经网络分类器的matlab程序

神经网络分类器 图像-分类 人脸-降维 人脸分类 人脸图像降维

说明：PCA的步骤： 1 先将数据中心化； 2 求得的协方差矩阵； 3 求出协方差矩阵的特征值与特征向量； 4 将特征值与特征向量进行排序； 5 根据要降维的维数d’,求得要降维的投影方向； 6 求出降维后的数据。

pca-排序 pca中心 投影降维 PCA-降维数 pca矩阵降维

说明：一个WF分类器,可以选择学习速率,给出了样本分类结果-Classifier a WF, you can choose learning rate, given the results of sample classification

matlab

说明：使用SOFTMAX分类器对已有的数据集进行分类。

comparehgw softmax分类 softmax分类器 softmax回归

说明：利用最小互信息实现向量的特征选择，优化分类器的设计，原创

向量互信息 matlab-特征选择 特征向量-分类 特征分类器 tezhengxuanzhe.rar