说明：改进量子粒子群算法，用于优化支持向量机参数，用IRIS数据验证

说明：虹膜识别技术是基于眼睛中的虹膜进行身份识别，应用于安防设备（如门禁等），以及有高度保密需求的场所。 人的眼睛结构由巩膜、虹膜、瞳孔晶状体、视网膜等部分组成。虹膜是位于黑色瞳孔和白色巩膜之间的圆环状部分，其包含有很多相互交错的斑点、细丝、冠状、条纹、隐窝等的细节特征。

说明：K-Means Implementation on iris dataset

说明：eye recognition, special for iris recognition

说明：用决策树-回归分析模型来分析鸢尾花数据，训练后最终可以得到模型的准确率

说明：Kmeans.m对UCI数据集中的鸢尾花数据集进行kmeans算法聚类, Iris.txt 鸢尾花数据集 KMeans.m 鸢尾花KMeans聚类算法代码 test1.m，test2.m 鸢尾花算法测试集 包含数据的归一化 DataNorm.m数据归一化代码，DataStandard.m数据标准化代码 恩达老师的MATLAB视频中的代码 code

说明：SVM通过tensorflow训练iris数据集，寻找最优参数，使误差最小化

说明：这是一个iris集，用于聚类实验的，这是一个iris集

说明：基于否定选择的异常检测算法。以iris数据集为例。可直接运行，含数据集。

说明：有一批Iris花，已知这批Iris花可分为3个品种，现需要对其进行分类。不同品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度会有差异。我们现有一批已知品种的Iris花的花萼长度、花萼宽度、花瓣长度、花瓣宽度的数据。一种解决方法是用已有的数据训练一个神经网络用作分类器。将Iris数据集分为2组，每组各75个样本，每组中每种花各有25个样本。其中一组作为以上程序的训练样本，另外一组作为检验样本。为了方便训练，将3类花分别编号为1，2，3 。使用这些数据训练一个4输入（分别对应4个特征），3输出（分别对应该样本属于某一品种的可能性大小）的前向网络。

说明：k-means算法实现以及Iris数据集

说明：circular hough grid matlab code for iris

说明：matlab code for iris recognition segmentation

说明：iris segmentation using matlab

说明：实现支持向量机SVM算法，用于iris分类，包括用cvxopt进行优化

说明：detection of iris with transform hough

说明：iris recognition system with matlab

说明：使用朴素贝叶斯算法，对iris数据集进行分类测试

说明：数据：Sonar，Iris 方法：Fisher 线性判别分析法 测试方法：10 倍交叉验证法，或者 随机抽样法（10 次平均） 任务：编程实现采用 Fisher 线性判别分析法对 Sonar 数据，和 Iris 数据前两类进行降维，并利用阈值法对其进行分类，选用一种方法实现测试。

说明：实现一个简单的SVM案例，即鸢尾花分类，利用SVM对UCI的IRIS数据进行了分类预测。

说明：基于openCV实现的虹膜识别______________

说明：对虹膜识别进行整个流程，定位，归一化，识别

说明：matlab 实现鸢尾花数据集的KNN算法

说明：使用matlab实现，bp神经网络实现Iris数据分类

说明：鸢尾花数据集，数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

说明：运用matlab对鸢尾花数据进行了基于knn算法的分类编程

说明：KNN有监督学习，机器学习，R语言机器学习

说明：python编写的基于iris的FCM聚类算法