智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

Matlab实现SSA-XGBOOST麻雀算法优化XGBOOST的多特征分类预测（完整源码和数据） 数据为多特征分类预测，输入12个特征，输出四个类别。 运行环境MATLAB2018b及以上,程序乱码是由于版本不一致导致，可以用记事本打开复制到你的文件。

K最邻近法KNN分类算法（单点、多点分类预测），内含数据和matlab代码，可运行。

Naive-Bayes-classification

这是一个桌面整理工具（Coodesker），通过在桌面上放置可调整大小的盒子，将桌面上的快捷方式、文件夹等进行分类整理；该软件超轻量，免费使用。 功能：①支持一键整理，可以自动对图片、文件夹、压缩包进行分类，在这基础上还可以选择分离组合盒子，再进一步进行分类。 ②支持文件夹映射（给文件夹提供一个快捷入口），除了整理桌面上的文件，还可以对D、E等盘下的文件进行整理。 ③支持自定义分类。

risklab_esg 为RiskLab夏季项目的ESG代码回购

(1)冬1显示了4种装配零件的彩色冬像:螺母(nuts)、螺钉(screws)、支架(brackets) 和垫圈(washers)。请你设计一组特征(不超过4种)，能很好地把4种零件分开。 分析、讨论你的特征和背后的原理。 (2) 编写代码提取每种模式的上述4种特征，绘制每对特征的二维散点图(如.fl vs.f2,f3 vs.f4，等)，讨论你的结果。 (3)计算原始空间中每一对样本之间的欧式距离。首先，你得把所有图像都转换 为同样大小,比如 32x32 彩色像素(提示:在 MATLAB 中,可使用函数 imresize)。 把距离组成30x30 的矩阵进行显示(提示:在 MATLAB中,可使用承数 imagesc)。 在一维特征空间中，重复上述过程。比较两种距离矩阵，在原始图像空间中和特征 =====================================================================================================================================================

基于KNN的室内运动时间序列分类项目源码+数据+超详细注释 通过布置在不同房间的传感器获取到穿戴设备的人的移动数据，预测人的移动轨迹（人在哪个房间），场景见文件夹内示意图 内容包含： 1.数据说明见IndoorMovement\数据说明.txt 2.如何用pandas加载csv，并且画数数据的折线图，柱状图 3.用最小二乘法对数据进行线性拟合，并画出图像 4.数据特征工程:所有MovementAAL_RSS文件中最小的文件包含19条数据，所以默认以19作为数据集维度，故每个文件取最后19条，根据MovementAAL_DatasetGroup中的分组对应关系，将MovementAAL_RSS作为输入，MovementAAL_target作为输出，将文件按关联关系拼成train和test集合 5.将构建好的，维度为19的数据分别代入7种模型进行评估准确性，7种模型分别为LogisticRegression，KNN，DecisionTreeClassifier，SVM，RandomForestClassifier，GradientBoostingClassifier

svm多分类 该项目使用MNIST手写数字进行分类问题。在本教程中，我将使用带有原始像素特征的支持向量机（SVM）算法。该解决方案是用python编写的，使用scikit学习易用机器学习库。

在这个项目中，实施并探索了一种机器学习方法，将创业公司分为两类（成功和失败）。该项目的数据集是从Crunchbase获取的。它由11个不同的表格组成，其中包含创业公司、投资者、关系和创始人在生态系统中的背景等信息。四个表入围并合并为一个数据集。然而，在数据转换和预处理之后，由于数据稀疏，必须丢弃大量数据。最终的数据集由61716个创业实例和36个功能组成。还进行了特征缩放，将特征数量减少到7个，同时保持相同的预测能力。