说明：adaboost源码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：最小错误率和最小风险贝叶斯分类器，附带示例数据

说明：Adaboost训练分类器的源代码，是快速人脸检测的必备。

说明：利用matlab实现的基于EM算法的贝叶斯分类器的源代码，可以用来分类或识别，很值得收藏

说明：本次大作业利用K‐近邻（K‐Nearest Neighbor）算法，为给定的训练数据集构造了分类器， 并在测试数据集上进行分类预测，同时计算了Accuracy、Precision、Recall和F‐measure，利用 10‐fold的实验方法进行交叉验证。

说明：k近邻统计分类器对于大家做科研室很有帮助

说明：ada_boost分类器程序，根据ada_boost算法编写的分类程序，具有较好的鲁棒性

说明：pnn分类器算法，用MATLAB源码，可以进行分类。

说明：人脸识别程序，采用的是knn分类器，基于类内类间距离准则，特征提取。

说明：本文设计基于DCT的人脸识别系统，首先结合当今人脸识别的背景和发展状况讨论了人脸识别的研究内容及在各方面的应用；然后研究了人脸识别进行预处理，讨论了人脸识别预处理的其他方法，分析各种方法的利弊，最后采用DCT（离散余弦变换）实现人脸图像预处理中的降维处理；接下来对人脸图像的特征提取进行了研究，简单叙述了几何特征提取和代数特征提取，同时深入研究了基于DCT和PCA变换的人脸图像特征提取，从而实现是否对人脸识别系统识别率有所提高的研究；对于分类器的选择，本文对两种分类器进行了探讨，即最近邻分类器和BP神经网络分类器，同时采用BP神经网络分类器作为本次基于DCT的人脸识别系统设计的分类器，并对BP神经网络进行分类的算法进行设计，BP神经网络具有学习功能，只要采用本系统对训练图片进行训练，就可以记下图像的相关信息，对于测试图片，就可以很准确的识别出该图片是属于哪个的。最后，本文对整个人脸识别系统设计实验进行了实验分析，实验结果表明本文采用的方法切实有效。

说明：介绍了SVM的基础知识，包括：SVM入门（一）SVM简介；SVM入门（二）线性分类器part1；SVM入门（三）线性分类器part2；SVM入门（四）线性分类器的求解—问题的描述part1；SVM入门（五）线性分类器的求解—问题的描述part2等。

说明：AR人脸库进行DCT变换，然后使用Fisher discriminant analysis 进行特征提取，使用cos分类器进行人脸分类。

说明：手写数字识别,分为分类程序（模板匹配分类器、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器）和聚类程序（模糊聚类、遗传算法）

说明：adaboost 弱分类器学习算法,最成功的人脸识别算法。但是学习时间很长，这是它的缺点

说明：分别通过模板匹配分类器、、Bayes分类器、线性函数分类法、非线性分类法、神经网络分类器对手写字进行模式分类，编写相关的程序可以参考此代码

说明：一个matlab环境下的k近邻分类器,代码中有详细的注释说明,使用方便.

说明：svm多分类器，包括多分类和GA算法和PSO算法优化的SVM

说明：K最邻近分类器设计的MATLAB代码，有代码解释

说明：基于几何分类器的手写数字识别系统，delphi7

说明：这是一篇关于分类器的文章 OpenCV训练分类器,该方法的基本步骤为： 首先，利用样本（大约几百幅样本图片）的 harr 特征进行分类器训练，得到一个级联的boosted 分类器。

说明：贝叶斯分类和后面的线性、非线性分类器属于有监督学习。

说明：Adaboost实现，主要用于机器学习的多分类器聚合， 最终形成分类效果逐渐增强的分类器

说明：使用Haartraining训练层叠分类器

说明：贝叶斯文本分类器文档贝叶斯文本分类器文档

说明：基于OPENCV的静止图像的HOG特征提取算法的全部程序，完全可用于各种图像的HOG特征提取，以进一步训练分类器进行行人检测

说明：用matlab写的最近邻和K近邻法分类器，简单易懂，适合初学者

说明：一个简单实用的K紧邻分类器一个简单实用的K紧邻分类器

说明：通过分类器自动识别图像中的人脸

说明：支持向量机分类器 训练器 可以直接使用 C++语言实现 SVMLight

说明：前脸的检测，分类器，训练分类器，人脸检测，opencv