PCA实现图像分类，论文+代码+测试/训练样品，华工出品，必属精品。

模式识别，实验报告，“Bayes分类器设计”和“基于Fisher准则线性分类器设计”，有实验原理，有代码，有图，有分析。

本项目是利用C++实现手写数字识别，其中包括了多种分类器

提供详细的线性分类器python程序，并提供具体实例验证，

利用Python和MATLAB语言分别对机器学习中的线性分类器做了详解，其中分类的数据来源于三类鸢尾花的4维特征向量，主要利用了Fisher分类器的方法

SVM分类器的相关算法和matlab源码,部分内容如下，1.命令函数部分： clear;%清屏 clc; X =load('data.txt'); n = length(X);%总样本数量 y = X(:,4);%类别标志 X = X(:,1:3); TOL = 0.0001;%精度要求 C = 1;%参数，对损失函数的权重 b = 0;%初始设置截距b Wold = 0;%未更新a时的W(a) Wnew = 0;%更新a后的W(a) for i = 1 : 50%设置类别标志为1或者-1 y(i) = -1; end a = zeros(n,1);%参数a for i = 1 : n%随机初始化a,a属于[0,C] a(i) = 0.2; end

opencv 分类器训练工具集，收集好正负样本集通过本数据集即可完成分类器训练，特定场景的分类器，提高可用性；

opencv 人头分类器训练数据集 包括正样本集及负样本集，测试样本集；

BP神经网络分类信号 本代码亲测有效 含有测试数据 对正在进行相关研究的人员来说很有参考价值

用身高和/或体重数据进行性别分类的实验 其中第一问分别用了两种方式；数据集经过优化，有决策面方程的图片，和各类型错误率的输出