模式识别作业包括线性分类器;最小风险贝叶斯分类器;监督学习法分层聚类分析;K L变换提取有效特征支持向量机

颜色分类leetcode C++项目，ENSAE 2013。帕斯卡·西本和阿兰·索尔塔尼支持向量机和图像分类我们在这个项目中使用了计算机视觉和机器学习库OpenCV 。它的所有SVM功能都基于Chih

里面还有聚类分析的常用方法，安装后直接对图像进行测试

描述的是模糊聚类分析与模式识别的基本内容及案例

一种用于高光谱图像分类的新型分层半监督支持向量机

数据集：Iris数据集(http://archive.ics.uci.edu/ml/datasets/Iris)数据描述：Iris数据集包含150个鸢尾花模式样本，其中每个模式样本采用5维的特征描述利

基于matlab编写的贝叶斯分类器能够对垃圾进行智能分类，准确率高达90%以上。该分类器使用机器学习中贝叶斯模型进行训练，可实现自适应学习和更新，具有较强的适应性和泛化性。此外，该分类器也可应用于其他

利用gabor滤波器对训练样本进行特征提取，在此基础上，利用fisher分类器对测试样本进行分类识别

SupportVectorMachines:使用支持向量机和支持向量分类器预测人群

模式识别课程用C/C++实现K-L变换，主成分分析（PCA）

人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一，涉及模式识别、图像处理、计算机视觉、神经网络、生理学以及心理学等诸多学科，是一个典型多学科交叉的应用