K近邻法模式识别用来分类的比较不错

电池片分类图库可用于目标分类

模式识别利用c均值算法对3维进行2分类以及3分类

K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:在特征空间中,如果一个样本附近的k个最近(即特征空间中最邻近

模式识别中进行分类器的评估,特征选择的算法,检查检验MATLAB

模式识别英文电子版，模式分类中不错的教材！

模式识别中的经典非监督是算法，系统聚类法。 VS2005的工程文件包；也可以直接查看工程下的.c文件。 算法关键问题是距离矩阵的演算；而演算的关键思路是动态规划的，即(i j)元素只由i j右下的元素

文章首发于 个人博客 引言 k 近邻法(k-nearest-neighbor, KNN)是一种基本的分类和回归方法。现在只讨论其分类方面的应用,它不具备明显的学习过程,实际上是利用已知的训练数据集对输

有多模板和单模板两种方法，MATLAB实现。主要思想为K近邻法。

使用K-近邻算法对四个案例进行建模分析,对其原理,使用的数学公式,建立模型的步骤进行叙述,非常易懂,是学习机器学习中K-近邻算法的好资源

基于 USPS 和 UCI 数据集的K近邻法分类 .pdf