已知有两个样本空间 1 2 和ω ω ，这些点对应的横纵坐标的分布情况是： x1=[1,2,4,1,5]; y1=[2,1,-1,-3,-3]; x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0]; 在二维空间样本分布图形如下所示。（plot(x1,y1,x2,y2)） 1、用 matlab 完成感知准则函数确定程序的设计。 2、请确定 sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1), (1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的 结果。 3、请分析一下 ρ k 和对a(1) 于感知函数准则确定的影响，并确定当 ρ k =1/2/3 时， 相应的 k 的值，以及a(1) 不同时，k 值得变化情况。 4、根据实验结果请说明感知准则函数是否是唯一的，为什么？

有两个类别的样本 x 和 y，两类样本的分布规律服从正态分布，其均值和方差 分别为（2，2），（-2，4），每个类别里面分别有 100 个样本。可以利用下面阐述的 Matlab 程序产生上述数据。每一类的数据都是二维数据形式，若设数据格式为第一 行为横坐标，相应的下一行对应的是纵坐标请使用 k-近邻法判断下列 sample 中样本的分类情况 （-0.7303，2.1624），（1.4445，-0.1649），（-1.2587，0.9187），（1.2617，-0.2086），（0.7302， 1.6587） 1、要求用 Matlab 编程，来确定分类的情况，并以图形的方式表示出来。附 Matlab 程序以及对应程序说明。 2、分析k值的不同对分类的情况是否有影响，并把结果用图形的方式表示出来。 3、 请根据剪辑方法近邻的原理，对样本的空间进行剪辑，再确定上述样本点的 分类情况。并对两种分类结果进行分析（选作）。

5种不同的哺乳动物(猫，狗，大象，马，狮子)数据集，它包含大约15K中等质量的动物图片，每类2700张图片，属于10个类别狗，猫，马，大象，狮子。 5种不同的哺乳动物(猫，狗，大象，马，狮子)数据集，它包含大约15K中等质量的动物图片，每类2700张图片，属于10个类别狗，猫，马，大象，狮子。

5种不同瑜伽姿势的分类数据集，每类200张图片左右； 5种不同瑜伽姿势的分类数据集，每类200张图片左右 5种不同瑜伽姿势的分类数据集，每类200张图片左右

8种不同颜色的服装类别图片数据集，适用多标签分类 8种不同颜色的服装类别图片数据集，适用多标签分类 8种不同颜色的服装类别图片数据集，适用多标签分类

10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv 10种坚果图像数据集。1163张训练数据, 50个测试数据，50个验证文件224 X 224 X 3 jpg格式。取得F1分100%的hs。还提供了一个csv文件树nuts.csv

机器人现场编程-工业机器人的分类.pptx

物流设备的分类.ppt

该文档是模式识别中用近邻函数法进行聚类与分类的一个完整的实验，包括原理，原始数据，结果分析。在文章最后附上作者使用的源代码（matlab版本），亲测2014a正常运行

传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。