算法分类器

协同表示分类算法，代码完整，可以直接运行，可用于各种模式识别分类问题。

贝叶斯分类算法，使用B/S模式实现，通过用户在客户端选择条件，自动计算出结果

这是一个很好的SVM分类算法，可以对要进行分类的特征进行识别。

Bayes分类算法，用Python实现，在两个小数据集上准确率为97%和88%，代码简单，适合学习

一个很简单的文本分类算法 使用方法： 命令行参数： -t 文本文件路径 -m 你的模型文件路径 -c 可选，类别（hit 或 miss） 如果提供了-c则用于训练，否则被模型分类，输出该文本的类型（hit或miss）

Bayes分类算法 VC实现 程序源代码

可进行波达方向估计（DOA），高分辨率现代谱估计等。

分类 不同分类算法的实现

SVM的简单数据分类N1=440; for i=1:N1 x1(1,i)=-1.7+0.9*randn(1); x1(2,i)= 1.6+0.7*randn(1); end; N2=400; for i=1:N2 x2(1,i)= 1.3+0.9*randn(1); x2(2,i)=-1.5+0.7*randn(1); end;

HADOOP分类算法还有Hadoop聚类算法，可以继续搜索