说明：基于SVM的分类器 支持两类分类 和多类分类 选择最优参数

说明：基于SVM的分类器 支持两类分类 和多类分类

说明：基于SVM的分类器 支持两类分类 和多类分类选择最优参数

说明：属于模式识别范畴，线性判别分类法，对物质进行分类

说明：在matlab上HOG分类后，与SVM一起分类，测试，判别

说明：SVM 3分类程序 适用于信号处理、数据分类情况

说明：分类工具包，含有多个分类算法的matlab源程序，适用于类别数据的分类和可视化

说明：主要应用于分类精度的评价，针对解决kappa系数存在的一系列问题

说明：window下的文本分类工具tmSVM，该系统在封装 libsvm 、 liblinear 的基础上，又增加了 特征选择 、 LSA特征抽取 、 SVM模型参数选择 、 libsvm格式转化模块 以及一些实用的工具。

说明：利用Python语言来实现KNN分类，并且实现了交叉验证。

说明：PSO分类算法，非常好用绝对能运行，利用欧式距离进行分类。

说明：机器学习算法，利用adaboost元算法提高分类性能，处理非均衡分类问题

说明：一种基于神经网络的分类器，可以解决各种分类问题。

说明：这个是一个SVM分类器，可以再行人检测时用来分类训练样本，再MATLAB中直接调用

说明：随机撒点程序 对随机撒的点进行分类 按距离进行分类

说明：基于SMO优化算法的SVM分类程序，显示判别函数值及分类结果

说明：在分类算法中，得出分类结果后，需要和原来的进行比较，判断分类正确与否

说明：AdaBoost元算法属于boosting系统融合方法中最流行的一种，说白了就是一种串行训练并且最后加权累加的系统融合方法。 具体的流程是：每一个训练样例都赋予相同的权重，并且权重满足归一化，经过第一个分类器分类之后， 计算第一个分类器的权重alpha值，并且更新每一个训练样例的权重，然后再进行第二个分类器的训练，相同的方法....... 直到错误率为0或者达到指定的训练轮数，其中最后预测的标签计算是各系统*alpha的加权和，然后sign（预测值）。 可以看出，训练流程是串行的，并且训练样例的权重是一直在变化的，分错的样本的权重不断加大，正确的样本的权重不断减小。 AdaBoost元算法是boosting中流行的一种，还有其他的系统融合的方法，比如bagging方法以及随机森林。 对于非均衡样本的处理，一般可以通过欠抽样(undersampling)或者过抽样(oversampling)，欠抽样是削减样本的数目， 过抽样是重复的选取某些样本，最好的方法是两种进行结合的方法。 同时可以通过删除离决策边界比较远的样例。

说明：机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传算法、模糊逻辑、人工神经网络算法）。

说明：本文档对多重信号分类算法的基本原理进行了概述。

说明：weka分类器，用weka分类器做分类，可以用做其他算法的基分类器。分类效果很好

说明：多分类带核线性判别分类，用于机器学习中的分类问题。

说明：支持向量机故障诊断分类函数,多数用于故障诊断分类.

说明：猪肉的分类，关于肉类新鲜度的分类，有新鲜、次鲜、腐败三中~~~

说明：ENVI二次开发分类代码；里面包含了7种分类方法，其中5种是监督分类，2种是非监督分类

说明：支持向量机方法中也存在着一些亟待解决的问题，主要包括：如何用支持向量机更有效的解决多类分类问题，如何解决支持向量机二次规划过程中存在的瓶颈问题、如何确定核函数以及最优的核参数以保证算法的有效性等。

说明：一个自己编的稀疏表示分类程序（SRC），以帮助了解SRC的原理和算法。

说明：K-均值算法，实现二分类，并测试分类精度。

说明：这是一个svm分类器的设计，有很好的效果，可以输入几个分类特征进行分类

说明：BP神经网络的数据分类-语音特征信号分类