使用PCA、NMF和HOG特征，分别配以KNN（k=1,3,5）和SVM两类分类器，实现对交通标志的分类（包括对其余类的拒识）（Matlab完整源码和数据） PCA_KNN : PCA + KNN PCA_SVM : PCA + SVM NMF_KNN : NMF + KNN NMF_SVM : NMF + SVM HOG_KNN : HOG + KNN HOG_SVM : HOG + SVM

基于机器学习GRU_CNN_KNN_SVM_RF5种实现的web攻击检测系统项目源码+数据集+模型+项目说明.7z 基于聚类的XSS和SQL注入检测 基于机器学习的XSS和SQL注入检测 现了基于GRU，CNN，KNN，SVM，RF共五个检测模型 检测过程：数据加载-》数据预处理(urldecode和转小写)->向量化（预训练word2Vec模型，padding补齐）->模型训练->模型预测->模型评估

svm工具箱matlab代码SimpleMKL 工具箱 描述 这个包是一组实现 SimpleMKL 算法的 Matlab 脚本。 相关论文是ICML 2007论文和题为SimpleMKL的论文 提供此代码是为了结果可重复性。 大多数脚本都带有在线 matlab 帮助文档，并提供了一些演示脚本。 演示脚本是 exmklclass.m exmklreg.m exmklmulticlass.m exmklls 磁盘 在这些演示脚本中，您可以将示例中给出的 3 维 Gram 矩阵替换为一些临时矩阵，并获得不错的结果！ :) 将（希望）尽快提供更详细的文档。 特征 MKL二元分类SVM MKL SVM 回归 一对一和一对一 MKL SVM 大规模二元分类 MKL SVM 内存要求较低的内核实现 这是来自 Matlab 1.0 版

概括介绍了近年来倍受瞩目的一种新的计算机学习方法——支持向量机(Support Vector Machines,简称SVM)方法,这一方法具有坚实的理论基础和出色的应用效果;并分析了SVM方法与 模糊系统的关系,对这两种方法的交互促进和发展提出了看法。

MATLAB实现PCA-GRU主成分降维结合门控循环单元多输入单输出回归预测（完整源码和数据） 数据为多输入回归数据，输入12个特征，输出1个变量。 运行环境MATLAB2020b及以上。

使用PCA-2D-PCA和2D-Square-PCA进行人脸识别 用于识别人脸的Python中PCA / 2D-PCA / 2D（Square）-PCA的实现： 单人图像 集团形象 识别视频中的人脸 ORL数据集的准确性 PCA（93.42％） 二维PCA（96.05％） 2D（平方）-PCA（97.36％） 要求 麻木 OpenCV 科学的 用法 在Face_Recognition类中，使用来自（pca，2d-pca，2d2-pca）的algo_type 在Face_Recognition类中，将reco_type用作 对于单张图片= 0 视频= 1 对于组图像= 2 该项目使用ORL数据集，您可以将数据集放置在images文件夹中，并在dataset.py文件中更改数据集的名称（可以使用提供的FaceExtractor通过提取面部来创建新的数据集） 运行Face_Rec

具有图形操作界面的支持向量机多类分类实验系统.全部用Matlab实现GUI_PR_SVM

Python机器学习 通用机器学习算法的Python代码

SVM、BP神经网络、随机森林matlab代码

关于PCASIFT的源码，比较简单，适合初入门的新手。