说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：应用背景Spectral Clustering（谱聚类）是一种基于图论的聚类方法，它能够识别任意形状的样本空间且收敛于全局最有解，其基本思想是利用样本数据的相似矩阵进行特征分解后得到的特征向量进行聚类。谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划...

matlab 分析 基于 多重

说明：wine数据来源是UCI数据库，记录的是意大利统一地域上三种不同葡萄酒化学成分分析，数据含有178样本，每个样本含有13个特征分量，每个样本类别都有各自标签，178样本50%做训练集，另外50%做预测集，将训练集SVM分类建模

matlab

说明：为了精准、稳定地提取滚动轴承故障特征，提出了基于变分模态分解和奇异值分解的特征提取方法，采用标准模糊C均值聚类(fuzzy C means clustering, FCM)进行故障识 别。对同一负荷下的已知故障信号进行变分模态分解，利用 奇异值分解技术进一步提取各模态特征，通过FCM形成标准聚类中心...

滚动轴承 分模态分解 奇异值分解 C均值聚类 FCM 分模态分解 奇异值分解

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：数据采用PCA降维后进行kmeans聚类确定样本类别，对聚类后数据作图，包括数据点以及质心位置， 随后进行样本集划分，利用knn算法进行有监督的学习分类，经测试，能够取得较好的分类效果。

说明：通过马氏距离实现影像分类，样本是envi输出的txt样本，计算混淆矩阵，检验样本是由envi输出的另一组。针对TM影像，输入6个波段，更改路径即可。

说明：多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技...

matlab

说明：svm 图像分割 用kmeans得到两类分割的图，在显示的图像中用鼠标取点得到2*num个坐标位置的二维向量，前num个为正样本，后num各为负样本

kmeans分割 SVM--图像分割 kmeans-svm SVM-图像分割 SVM-KNN

说明：包括脚本文件和函数文件形式，针对EMD方法的不足,使用拉亚普诺夫指数的公式，主同步信号PSS在时域上的相关仿真，从先验概率中采样，计算权重，可以实现模式识别领域的数据的分类及回归。