说明：K最邻近分类器设计的matlab代码，有代码解释
分类器设计--源码 分类器 分类器设计 K. 最邻近分类
说明：模式识别-基于感知函数准则的线性分类器设计，完全自编代码，有详细说明。
分类器 模式识别 分类器设计 模式识别-matlab 分类
说明：基于BP_Adaboost的强分类器设计——公司财务预警建模。
遗传算法 BP_Adaboost 分类器
说明：基于BP神经网络设计分类器，matlab源程序例子。
BP-分类 BP分类器设计 BP-分类-matlab bp-分类--matlab BP-matlab-分类
说明：最小错误率和最小风险贝叶斯分类器，附带示例数据
贝叶斯-分类 贝叶斯---分类 风险-matlab 贝叶斯-最小错误率-分类器设计 贝叶斯分类-matlab
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：采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。要求自行编写代码实现遗传算法。
遗传算法 SVM 分类器 SE SP ACC AUC
说明：采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。提示：可以用6位的0/1进行编码，适应度函数可以考虑类似 。
AUC-SVM 特征选择算法 男女生分类器 svm-auc svm识别分类
预警建模 基于BP Adaboost的强分类器设计 adaboost-bp
说明：采用SVM设计男女生分类器。采用的特征包含身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征。要求：采用平台提供的软件包进行分类器的设计以及测试，尝试不同的核函数设计分类器，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算基于平台的软件包）。
男女生分类器 svm-auc AUC-SVM 采用SVM设计 交叉验证-SVM
