ISODATA算法 模式识别 系统聚类算法

通过H-K算法的编写与实际上机调试，掌握不同线性分类器的训练与设计方法的改进。分析H-K算法，用matlab编写程序仿真。

具体课件：无监督学习和聚类，k-均值算法

Harbin Institute of Technology pattern recognition handout BP algorithm

I T 技 术 2008 NO.17 Science and Technology Innovation Herald 科技创新导报 1 模糊模式识别算法的基本方法 1.1 模糊模式识别算法的基本思路

本文介绍了采用遗传算法实现图像识别的原理以及遗传算法的操作方法，利用vc++编程实现了 该算法。通过与遍历式搜索算法的比较，体现了遗传算法的搜索速度快、计算量小的特点。

K均值的时间复杂度为NKTD，其中，N代表样本个数，K代表k值，即聚类中心点个数，T代表循环次数，D代表样本数据的维度。 本算法的改进主要在以下方面： 一， 初始聚类中心点，传统的初始中心点是随机选择

实现模式模式识别中的感知器算法，结构比较简单，容易看懂，而且最后能够自己输入模式进行判断。

模糊聚类是模式识别中一种重要的分析方法。随着研究范围的扩展，对聚类结果的要求也越来越高。一种基于遗传模拟退火的聚类算法，该算法将模拟退火算法和遗传算法结合起来，克服了传统遗传算法的早熟现象，并能更有效

代码是关于神经网络中BP算法的程序，没有调库。根据公式写的算法。数据集是鸢尾花数据集，直接运行main文件，即可看到实验结果。pre函数为预测函数。

对于系统距离算法,采用matlab仿真实现