说明：ELM是基于深度学习的分类器，运算速度快。 在B_data.m里导入待分类矩阵B.mat（1-n列为特征值，n列为标签）；运行B_data.m；再打开fuzzyEn_main.m并运行即可。

elm-分类器 深度学习分类 深度特征

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

说明：pca做特征降维，然后进行特征空间随机分割构造多个svm分类器，并行处理，对样本进行分类，基于特征空间的svm多分类器

SVM--matlab SVM多特征分类 PCA-SVM svm-pca 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 ）。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：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：【论文】神经网络分类器的特征提取和优选

强化学习

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

说明：采用BP神经网络设计男女生分类器。采用的特征包括身高、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，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，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的计算可以基于平台的软件包）。

bp-男女生 男女生分类器 神经网络设计 算法评判se-sp 女生的BP

说明：自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。

自编码器 分类器实现结合 self-taught-learning

说明：贝叶斯分类器，处理类别为两类，特征值为两个的情况。

​贝叶斯 分类器