对IRIS数据集进行协方差分析，降维，二维显示分类。

基于BP神经网络的IRIS数据集训练和测试，有完整的数据集和实现代码，直接运行即可得到结果，并显示，正确率，误差，迭代次数等参数

Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。iris以鸢尾花的特征作为数据来源，常用在分类操作中。该数据集由3种 不同类型的鸢尾花的50个样本数据构成。其中的一个种类与另外两个种类是线性可分离的，后两个种类是非线性可分离的。 该数据集包含 了5个属性： & Sepal.Length（花萼长度），单位是cm; & Sepal.Width（花萼宽度），单位是cm; & Petal.Length（花瓣长度），单位是 cm; & Petal.Width（花瓣宽度），单位是cm; & 种类：Iris Setosa（山鸢尾）、Iris Versicolour（杂色鸢尾），以及Iris Virginica （维吉尼亚鸢尾）

鸢尾花(Iris)数据集是一个著名的统计学资料，被机器学习研究人员大量使用。它包含了150组实例，4种生物特征和每组实例对应的鸢尾花种类（setosa,versicolor,virginica）。

K-means算法的Matlab实现，内含经典Iris数据集，需要下载者将其转化为矩阵，作为算法的参数输入。

Iris Running Crane: December 2009. Case study from Harvard Business School.

该数据集只保留了原来iris(鸢尾花卉)数据集3个类virginica，versicolor和setosa中的versicolor和setosa，并将versicolor用0.0表示，setosa用1.0表示。每类50个样本；每个样本是一个4维的特征向量,萼片长，萼片宽，花瓣长，花瓣宽；

虹膜分割的实现代码，用C++和opencv实现的，资源中还包括了测试图片和方法的PPT介绍。关于该资源的介绍也可以参考我的博客文章 http://blog.csdn.net/computerme/article/details/41121711

IRIS数据集，包括三个文本文件和一个EXCEL表格，主要用于验证构建的神经网络的有效性，具体代码https://blog.csdn.net/ckzhb/article/details/60571769

用三层神经网络对IRIS数据进行分类，首先三类一起分，其次，两两进行分类。