模式识别高分课设，使用Matlab搭建神经网络和KNN分类，实现对Wine红酒数据集的分类，并且进行参数对比分析，还包含对比效果图和代码流程图，可直接用在报告中。

模式识别高分课设，使用Matlab搭建神经网络和KNN分类，实现对手写数字数据集的分类，并且进行特征提取和参数对比分析，还包含对比效果图和代码流程图，可直接用在报告中。

人工智能高分课设，使用Matlab自行构建神经网络结构，实现对鸢尾花数据集的分类，并且进行参数对比分析，还包含对比效果图和代码流程图，可直接用在报告中。

请依据“模式识别原理”课程所讲述的内容，基于不同的分类思想自行选择 设计两种分类算法，编写程序对所给出的Iris数据集和手写字符图像数据集Mnist 进行分类（每个数据集用一种算法分类即可）。分析所设计分类器在 Iris 数据集 和手写字符图像数据集上的分类效果，根据实验结果比较分析两种分类器的优缺 点

此文件为数据挖掘分类实验数据集，内含说明文档，没有压缩密码

该数据适合做分类数据，适用于医学专业AI研究，皮肤病分类研究，皮肤病识别，数据一共2300多张 部分图片也可以作为目标检测数据集（需自己标注） 【9类别分别为】：光化角质病、基底细胞癌、皮肤纤维瘤、黑素瘤、痣、色素良性病、脂溢性角化病、鳞状细胞癌、血管损害。 数据多样性，数据分布均匀，常用分类算法可以拟合很好。 resnet34网络精确度可以达到98.3% 欢迎下载使用

数据集文件都是csv文件格式。 iris数据集：鸢尾花卉数据集，可用作分类； wine数据集：葡萄酒数据集； seeds数据集：小麦数据集，可用作聚类分析。

实验基于论文： Class-Balanced Loss Based on Effective Number of Samples Class-balanced-loss代码地址：https://github.com/vandit15/Class-balanced-loss-pytorch resnet18代码参考链接：https://blog.csdn.net/sunqiande88/article/details/80100891 制作数据集 论文中通过公式n=niuin = n_iu^in=ni​ui，iii为类索引．制作长尾cifar10数据集．以下代码以不均匀比例100为例．也可以通过

FCM_iris_iris_fcmiris_FCM分类_matlab_fcm数据集分类 环境：matlab 算法：FCM 功能：对iris数据的分类

聚类数据集，有人工、真实数据集。带标签