说明：在matlab中实现神经网络分类功能，通过输入训练样本和测试样本，实现训练功能，进而进行分类，是一个简单的神经网络算法，适合初学者。

matlab 分类 神经网络

说明：adaboost 弱分类器构成强分类器算法，并作图，分析样本数对性能的影响

adaboost-face 分类性能 adaboost Adaboost分类 cascade-adaboo

说明：BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器，利用此方法设计出强分类器。

BP-Adaboost BP神经网络 分类器 BP 神经网络 Adaboost算法

说明：基于分类树的分类，与神经网络相比算法简单，分类结果看数据大小和样本集而定。简单易行的图像处理，对于初学者非常实用。

matlab 分类

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

说明：使用改进的PSO算法优化BP神经网络是实现数据的分类。调试通过，替换样本数据即可使用

改进PSO优化 改进BP分类 优化-BP-分类 PSO PSO改进BP

说明：SVM 分类算法，由于其能有效解决小样本、非线性及高维模式识别等问题，且通常具有良好的学习和推广能力而得到广泛研究并已成功应用于故障诊断等领域。用支持向量机对一组数据分类，手打源码，效果很好，经测试可用

matlab 分类 源码 测试 svm

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：matlab程序。4输入层，３隐层，２输出层的RBF神经网络分类器附有测试和训练样本

分类 神经网络--WSN--matlab RBF-PSO 神经网络-RBF RBF--matlab

说明：gmcalab 快速广义的形态分量分析，基于matlab平台实现,包含特征值与特征向量的提取、训练样本以及最后的识别，语音信号的采集与处理，数字信号处理课设，使用混沌与分形分析的例程，基于人工神经网络的常用数字信号调制。

分类 算法 源码 聚合 KMeans 一个