模式分类 第二版课后答案（英文版 全） Pattern Classification (2nd ed.) by R. O. Duda, P. E. Hart and D. G. Stork

基于Matlab实现： 模式识别 K-Means算法 实现模式分类 模式识别 K-均值算法 实现模式分类

匝道损耗非并行支持向量机用于模式分类

与传统的基于单模式的方法相比，它在诊断和预后阿尔茨海默氏病（AD）以及其前驱阶段（即轻度认知障碍（MCI））方面显示出巨大的优势。 然而，据我们所知，大多数现有方法都集中于挖掘同一主题的多种模式之间的关系，而忽略了不同主题之间的潜在有用关系。 因此，在本文中，我们将通过全面研究模态与主题之间的关系，为AD / MCI的多模态分类提出一种新颖的学习方法。 具体来说，我们提出的方法包括两个后续组件，即标签对齐的多任务特征选择和多模式分类。 在第一步中，将从多种模态中学习的特征选择视为不同的学习任务，并使用组稀疏性正则化器共同选择相关特征的子集。 此外，为了利用标记对象之间的区别信息，在标准多任务特征选择的目标函数中添加了一个新的标签对齐正则化术语，其中标签对齐意味着所有具有相同类别标签的多模态对象应在距离上更近。新的功能减少的空间。 第二步，采用多核支持向量机（SVM）融合多模态数据中的选定特征，以进行最终分类。 为了验证我们的方法中，我们执行在阿尔茨海默病的神经影像学倡议（ADNI）数据库使用基线MRI和FDG-PET成像数据的实验。 实验结果证明我们提出的方法与几种用于AD / MCI

基于模式分类的癌症患者生存时间预测方法研究

all_of_statistics-A Concise Course in Statistical Inference.pdf，机器学习方面的入门书，强烈推荐！！！

基于离散型Hopfield神经网络识别手写数字 matlab实现

Matlab的RBF神经网络用于模式分类-RBF 神经网络用于模式分类.rar RBF 神经网络用于模式分类

Richard O. Duda的Pattern Classification模式分类第二版，这是英文版，已经绝版。是模式分类的经典教材。包括：绪论，贝叶斯决策论，最大似然估计和贝叶斯参数估计，非参数估计，线性判别函数，多层神经网络，随机方法，非度量方法，独立于算法的机器学习，无监督学习和聚类这几章。

包含Duda的pattern classification第二版英文版pdf，及课后习题的参考答案和上机练习的代码