说明：基于贝叶斯分类算法的图像阈值分割 迭代最佳阈值分割算法 matlab7.0环境运行无误

说明：图像的贝叶斯分类，将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法

说明：1.基于Bayes分类的MATLAB程序 2.遗传算法求解函数优化 3.基于Matlab的人工免疫算法 4.空间数据分析中最常用的是聚类分析(k均值算法代码) 5.蚁群算法的matlab源码

说明：Texture Segmentation using Gabor Filters 纹理图像分割 包括一个pdf文件，几个m文件

说明：这里实现了四种SVM工具箱的分类与回归算法 1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多类分类 Regression_LS_SVMlab.m - 函数拟合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多类分类 3、工具箱：stprtool\svm Classification_stprtool.m - 多类分类 4、工具箱：SVM_SteveGunn Classification_SVM_SteveGunn.m - 二类分类 Regression_SVM_SteveGunn.m - 函数拟合 觉得好就帮我顶一下帖子，要不沉了！

说明：RSS聚合新闻阅读器，（1）获取信息：通过站点管理功能获得信息，并根据用户设置对信息进行全程的跟踪、即时的更新以及网上搜索。 （2）阅读信息：一点即读，随时浏览，信息分类管理，及时方便。 （3）管理信息：可删可加可分组；来源、分类、更新频率……用户全方位自由掌控。 （4）导入导出信息：导入、导出频道或收藏夹，以丰富浏览内容。还可以通过“获取更多频道”将更多更精彩的RSS内容引入阅读器。

说明：VC++写的模式分类程序，包括bayes和Fisher等分类器

说明：模式识别ppt。R. O. Duda的那本Pattern Classification 模式识别红宝书配套ppt

说明：该算法为数字字符特征提取。是字符识别的前提。开发环境为vc++。

说明：文本分类综述和一些近期基于粗糙集的文本分类文章，其中一篇国防科技大学的关于文本分类的文章非常好，另外还有一篇清华大学博士毕业论文（关于机器学习文本分类）对毕业设计也是很有指导作用的。

说明：C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。此外，C4.5只适合于能够驻留于内存的数据集，当训练集大得无法在内存容纳时程序无法运行。

说明：VB可视化程序，简单的一些代码， 模式识别中势函数的图形表示与分类

说明：小波神经网络,实现曲线拟和，数据分类，故障诊断，学习速度快于传统BP。

说明：利用主成分分析法对BP神经网络的输入参数进行降维，然后进行网络的训练，PCA-BP处理的结果同单一的bp相比，不仅提高了网络的收敛速度，而且提高了网络对预测数据分类的精度

说明：提出了一种雷达目标识别识别方法，实验仿真表明识别效果良好！

说明：中科院的论文,提供了两个优秀的文本分类的方法.

说明：一个很好的贝叶斯分类器，通过训练可以进行各种文本分类

说明：线性判别分析（LDA）是一种较为普遍的用于特征提取的线性分类方法。但是将LDA直接用于人耳识别会遇到维数问题和“小样本”问题。人们经过研究，通过多种途径解决了这两个问题并实现了基于LDA的人耳识别。文章对几种基于LDA的人耳识别方法做了理论上的比较和实验数据的支持，这些方法包括Fisherears、DLDA、VDLDA及VDFLDA。实验结果表明VDFLDA是其中最好的一种方法

说明：支持向量机用于多分类问题的程序,可以较好地运行.

说明：用vc++开发的图像分类，包括聚类分析，模糊聚类，遗传算法聚类等。有界面，代码！

说明：用支持向量机进行分类，或者回归，进行预测控制

说明：用matlab实现高斯混合模型的前期处理和分类训练！

说明：k最近邻分类算法：用C++实现KNN分类

说明：邮政储蓄系统 数据分类查询统计,各类票据打印

说明：用于文本分类的一个程序，包括文本的预处理，过滤，分词，去停用词等步骤。编译后可运行。

说明：The MatClass IV Toolbox for MatLab has been developed to support experiments on feature based classification problems.

说明：用于遥感图像分类。其输入为几幅遥感图像，使用k-mean聚类方法对图像中的不同地形进行聚类分割

说明：基于神经网路的遥感图像分类，使用神经网络对几幅不同频段的遥感图像分类，主要是区分图像中不同的地形区域。

说明：AdaBoost is an efficient tool in machine learning. It can combine a series of weak learners into a strong learner. Besides pattern classification, it also can be applied into feature selection. This document explains the use of AdaBoost.

说明：朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。