鸢尾花数据集分析与线性分类。数据统计特性分析。Logistic回归和SVM方法，分类可视化

iris wine glass聚类分析数据集matlab直接调用

k-means-for-iris 利用K均值聚类对鸢尾花样本进行聚类的matlab程序，包含源代码、样本数据、聚类结果 The matlab program of clustering iris samples by K-means clustering, including source code, sample data and clustering results

KNN算法的c++两种不同实现，内涵两个版本的代码工程，数据集为iris,vs2013可用

Iris数据集在模式识别研究领域应该是最知名的数据集了，有很多文章都用到这个数据集。这个数据集里一共包括150行记录，其中前四列为花萼长度，花萼宽度，花瓣长度，花瓣宽度等4个用于识别鸢尾花的属性，第5列为鸢尾花的类别（包括Setosa，Versicolour，Virginica三类）。也即通过判定花萼长度，花萼宽度，花瓣长度，花瓣宽度的尺寸大小来识别鸢尾花的类别。

IRIS_Dataset--逻辑回归 对数分类的逻辑回归 加载IRIS数据集 创建逻辑回归 火车物流回归 使用Logistic回归进行多类分类

文件里面包含iris数据集，以及调用的方式，使用了两种网络（BP和RBF）对其进行分类识别，其中BP没有调用工具箱

虹膜识别 我已经制作了Iris-Recognition system ，该Iris-Recognition system在Matlab和Python中均已实现。 关键字：虹膜识别，生物识别，计算机视觉，图像处理，Daugman 更新 :party_popper: :party_popper: :party_popper: 2019年8月21日：我已经在使用深度学习创建了一个用于解决虹膜识别的新存储库。 目录 V.3。帐户信息视图 VI.Python实现 一，引言 2017年夏季，我在“数字信号处理”课程中遇到了我的老师。 他向我推荐了生物识别技术主题。 从那时起，我就开始探索有关生物识别的知识，例如指纹，虹膜和面部。 我在Internet上搜索，发现了一个开源的虹膜识别模型，该模型是在Matlab上编写的。 多亏了这个开放源代码的作者，我才能创建自己的系统。 这是有关作者的信息： Libor Masek, Peter Kovesi. MATLAB Sour

鸢尾花数据集

matlab中拟合中心线的代码基于广义结构张量（GST）的虹膜分割代码 该存储库是本文的原始实现，发表在（国际生物识别会议：理论，应用和系统）上。 该方法背后的理论在本文中得到了进一步扩展，发表于。 该软件接受虹膜图像作为输入，并输出输入虹膜图像的分割信息（有关更多信息，请参见下文）。 它能够处理在近红外（NIR）和可见（VW）光谱中采集的图像。 GST代码包含以下步骤（某些步骤可以停用或自定义，请阅读该代码随附的文档）： 图像下采样是为了提高速度。 这不会影响准确性，因为稍后将检测到的虹膜圆拟合到不规则的虹膜轮廓，因此可以补偿由于下采样而导致的虹膜圆检测中分辨率的任何损失。 基于不调整的对比度归一化（Matlab函数）。 这会增加图像对比度，从而在0-255范围内完全散布灰度值。 基于参考文献3中公开的方法进行镜面反射去除 根据参考文献2中发布的方法计算图像频率。这有助于将步骤5-8的内部参数自定义为输入图像。 如参考文献2所示，使用图像频率进行自适应睫毛去除。该方法基于参考文献4中公开的p秩滤镜。去除了睫毛，因为它们会形成很强的垂直边缘，从而可能误导用于眼中心估计和虹膜的滤镜步骤7