说明：本程序是先用MfCSvL小波变换对人脸图像处理，然后在用NlIaujG进行降维，最后用NlIaujG分类器进行多分类分类识别。matlab程序实现，调试没有错误。

说明：K-最邻近分类器的一个实例，实现了对数据的分类，内含测试数据

说明：可以demo的KNN分类器，对模式识别十分重要的作用，有着较好的分类效果，可以帮助新手更好的理解KNN原理，对人脸识别有着很好的演示作用。

说明：贝叶斯线性分类器作业,模式识别，最小错误率线性分类器

说明：对Iris数据集应用线性分类器及BP网络分类器进行分类，matlab代码

说明：新闻文本分类器，采用naive Bayes算法。先对训练集处理得到词库，再通过测试集检验，核算分类器的正确率。

说明：python实现感知器、贝叶斯分类、决策树分类、K最近邻法、逻辑回归、支持向量机

说明：mulan实现多标签分类，内含多个重要的分类器，乃是分类中的精华

说明：SVM分类器的训练以及分类预测。一个简单的例子说明机器学习中，SVM的分类以及简单的预测，训练的数据越大，预测越准确。

说明：使用matlab实现一系列分类器，如最小二乘分类器，fisher分类器，logisitic分类器。

说明：Adaboost针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）

说明：SVM 分类器，JAVA语言编程。里面含有数据集，测试集等。

说明：加强树算法的一个实例，最后取得了很好的分类结果，便于推广，分类器的代码可以根据实际进行更改。

说明：Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。

说明：基于SVM的分类器 支持两类分类 和多类分类

说明：进过改进的贝叶斯分类器算法，识别手写数字，可以在画布内的任意位置手写。

说明：这是matlab编写的3个常用机器学习分类器代码。其中包括了： 1）PCA 分类其；2）LDA分类器：3）naive贝叶斯分类器。 3个算法的实现参考了《Introduction to Machine Learning》。 除了这3个分类算法的实现外，代码里面还包含了用于测试的main.m 主程序和一个实验的简要报告。实验在著名数据集acoustic_train_data 上进行。

说明：模式识别重要分类器SVM工具箱，采用matlab实现

说明：一个小小的knn-demo，先用knn 做分类器进行分类，再去验证正确率

说明：图像分类。将图像中的40个样本作为训练样本，训练得到分类器，将另外160个样本作为测试样本测试分类器的效果。

说明：基于matlab的支持向量机多分类器train

说明：利用svm进行分类器 很方便实用 强大 简介

说明：一个完整的SVM分类器的程序，matlab编写的。

说明：SVM分类器，做的是模式识别的内容，两类四类分类器都有

说明：分类器，用于识别数字，可以做到二分类，比如，分辨0和1。

说明：随机森林分类器，matlab写的，直接可以运行，不需要该任何东西

说明：模式识别线性判别的程序实现，产生两个二维正态分布随机样本，分别进行Fisher线性分类和感知器分类。其中main.m是主函数，将三个程序放在同一文件夹中，运行main.m即可得到分类结果。

说明：BP神经网络 作为弱分类器，反复训练，多个BP神经网络组成强分类器

说明：本实验基于贝叶斯分类器对采集的微博数据进行情感分析，从中提取出不同的情感类别。

说明：最近邻法 分类器 matlab编写