SC - 稀疏分类器FSC - 快速稀疏分类器GSC - 群稀疏分类器FGSC - 快速群稀疏分类器NSC - 最近子空间分类器 需要 SPGL1 - http://www.cs.ubc.ca/labs/scl/spgl1/ 需要稀疏化 - http://www.see.ed.ac.uk/~tblumens/sparsify/sparsify.html 需要 GroupSparseBox - http://www.mathworks.com/matlabcentral/fileexchange/22771

榆木分类器信息 3D场景几何识别 使用低层特征和多层深层特征的3D场景几何体识别系统 该代码是在多层深度CNN上使用低级特征融合实现图像场景几何识别的方法（已接受）。 如果您对代码有任何疑问，请通过与Altafhan联系。 该系统在Matlab中实现。 该代码已在Linux（Ubuntu 18.x）和带有Matlab版本R2019b的Window 7上进行了测试。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%此模型中提取了两种类型的特征。 深度CNN， 手工功能主文件为“ G_multilayersystem.m”，您可以通过“ G_multilayersystem.m”金字塔访问所有其他功能。 %%%%%%%%%%%%%%%%%%程序具有两个不同的模块：实施第一个ResNet模型，并提取五个不同阶段的特征，这些特征在每个阶段都与本地手工特征结合在一起。 （5个不同的阶段）5个阶段：表示5个分类器并联。 我们测试两个分类器； 在每个阶段都支持SVM和ELM。 ％SV

简便的KNN分类算法，可以处理有监督数据的分类问题，运用的是邻域粗糙集的基本概念，有兴趣的可以在本程序上再加以改进，比如加权，多粒度等等的方法。

提供的 MATLAB 函数可用于使用基于树状图的支持向量机 (D-SVM) 对数据集进行训练和执行多类分类。 两个主要功能是： Train_DSVM：这是用于训练的函数Classify_DSVM：这是用于 D-SVM 分类的函数示例：使用fisheriris 数据进行训练和分类加载fisheriris train_label={zeros(30,1),ones(30,1),2*ones(30,1)}; train_cell={meas(1:30,:),meas(51:80,:),meas(101:130,:)}; [svmstruct] = Train_DSVM(train_cell,train_label); 标签=[0 1 2]; test_mat=[meas(31:40,:);meas(81:90,:);meas(131:140,:)]; [Class_test] = Classif

模式识别老师让做的作业，基于BP算法的分类器设计，仅供参考。

线性支持向量机训练文件 MATLAB代码 可运行

加权 K-最近邻 (WKNN) 分类器。 每个邻居样本都有一个基于它与测试样本的距离的权重。 近邻在投票中具有更大的权重。

K近邻分类器 matlab实现 很适合初学者

两类问题，数据符合正态分布，利用贝叶斯最小错误率规则对样本进行分类

bayes分类器的Matlab实现代码。欢迎下载