说明：宽度学习是最近比较热的分类器，可用于图像分类等应用

说明：随机森林可以用来做分类，是分类效果较好的分类器。

说明：一、用python或matlab编写一个KNN分类器 训练集为semeion_train.csv（手写体识别） 测试集为semeion_test.csv 计算在测试集上错误率（k=1,k=3,k=5,k=10） ?

说明：基于码本（codebook）的背景建模的背景差分法+级联基于LBK或haar的adaboost和基于hog的svm分类器+快速hough圆变换进行人头识别+基于区域特征的目标跟踪算法。(编程) AdaBoost是一种增强性机器学习算法，它用于把弱分类器联合成强分类分类器

说明：SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机的提出有很深的理论背景。 支持向量机方法是在后来提出的一种新方法。 SVM的主要思想可以概括为两点: 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。 它基于结构风险最小化理论之上在特征空间中构建最优超平面，使得学习器得到全局最优化，并且在整个样本空间的期望以某个概率满足一定上界。

说明：基于matlab的SVM分类器的设计，hslogic

说明：概率神经网络的分类预测--基于PNN的变压器故障诊断，matlab

说明：利用keras实现手写数字识别，使用CNN模型 全连接层+两个卷积层，最后Softmax分类器，识别率超过96%

说明：基于LSSVM的分类器，用于iris的三种分类，4种特征进行3类分类，准确率90%以上

说明：对提取好的n维特征，实现随机森林分类器分类。

说明：模式识别的分类器设计内含４个分类器按照要求可以生成分类器并可以对分类器进行检验

说明：aboost分类器的matlab实现，可解决样本的分类问题

说明：概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。

说明：对0-9共10个数字进行识别，使用softmax分类器

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。

说明：采用svm来做分类，一般能得到较满意的结果，但用svm做分类预测时需要调节相关的参数才能得到比较理想的预测分类准确率，那么svm的参数该如何选取？该程序主要说明如何更好地提升分类器性能。

说明：这是bp神经网络的M文件，包括BP网络的第一阶段学习期（训练加权系数wki，wij)，BP网络的第二阶段工作期（根据局训练好的wki，wij和给定的输入计算输出），程序里有详细注释。该程序被用来作为分类器使用。

说明：独立成分分析（Independent Component Analysis），最早应用于盲源信号分离（Blind Source Separation，BBS）。ICA理论的基本思想是从一组混合的观测信号中分离出独立信号，或者尽可能独立的信号对其他信号进行表征。

说明：基于BP的分类器设计，一个案例，适合初学者

说明：模式识别分类器，利用Fisher判别对数据进行分类以及BP神经网络的方法进行分类

说明：我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。

说明：BP神经网络算法，贝叶斯-最小距离分类器，可以用于模式识别。

说明：模式识别的分类器设计内含４个分类器按照要求可以生成分类器并可以对分类器进行检验

说明：三种分类器：决策树分类器，k-NN分类器和k-means分类器的运行时间以及运行准确率的比较。

说明：英文原版高清，模式识别经典教材，适合自学

说明：SVM分类器的matlab实现，针对提供的花的特征分类，并交叉验证

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。

说明：里面有随机森林，C4.5，ID3，SVM等分类器的matlab代码

说明：这是一个K近邻分类器，手动编写的一个较为简单的实现。

说明：多分类SVM分类器函数，matlab语言编写.