用于跟踪算法的多类研究的参数化模糊自适应K-SVD方法

为了解决软件无线电系统中多种调制方式之间切换的问题,提出了一种基于支持向量机的多类数字 调制方式识别算法 .该算法通过提取有效的特征向量以区分不同的调制方式,并基于支持向量机和判决树分 类思想,将特征向量映射到高维空间中加以分类,解决了样本在低维空间中的非线性不可分问题,避免了判 决门限的确定,与传统的神经网络方法相比,具有更好的泛化推广能力 .仿真结果表明,在具有加性带限高斯 噪声的环境下,信噪比大于等于10 dB时,识别正确率大于90%.

MATLAB平台：水果检测和识别（一个图片有多类水果，形状和颜色方法，结果显示到图片上，带界面GUI，详细注释）

使用 CNN-MLP 的音频分类 使用深度学习（CNN、MLP）的多类音频分类 引文 如果你觉得这个项目有帮助，请引用如下： @software{vishal_sharma_2020_3988690, author = {Vishal Sharma}, title = {{vishalshar/Audio-Classification-using-CNN-MLP: first release}}, month = Aug, year = 2020, publisher = {Zenodo}, version = {v1.0.0}, doi = {10.5281/zenodo.3988690}, url = {

针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

支持向量机仅将数据分为两类。 此函数通过为测试数据集中的每一行“搜索”正确的类来消除该限制。 这段代码是对Anand Mishra的代码的澄清和优化，可在此处找到： http://www.mathworks.com/matlabcentral/fileexchange/33170-multi-class-support-vector-machine 仅与 2 个以上的类一起使用，否则直接使用 svmtrain()。 用法示例： %% SVM 多类示例% SVM 本质上是一对一的分类。 % 这是一个如何使用% 一比一的方法。 训练集=[ 1 10;2 20;3 30;4 40;5 50;6 66;3 30;4.1 42]; 测试集=[3 34; 1 14; 2.2 25； 6.2 63]； GroupTrain=[1;1;2;2;3;3;2;2]; 结果 = multisvm(Tr

（MATLAB）水果检测和识别（一个图片有多类水果，形状和颜色方法，结果显示到图片上，带界面GUI，详细注释）

libsvm是台湾林智仁开发的支持向量机工具箱，非常有名。该资源中包含了其matlab最新版libsvm-mat-weights-3.0-1。作者利用此工具箱编写了一个多类识别的问题，对于svm的学习非常有帮助。该程序拥有良好界面，经过测试，可以放心使用。

用于深度学习的多类杂草物种图像数据集，deep野草数据集包含9类17,509个独特的256x256彩色图像。共有15007张训练图片和2501张测试图片。分类和种标如下0-中国苹果1-大戟2-帕金森亚3-帕特宁4-刺相思5-橡胶藤6-暹罗杂草7-蛇草8-其他。注本文使用的五次交叉验证的具体标签子集(60%)、验证(20%)和测试(20%)也在这里以CSV文件的形式提供，格式与“labels.csv”相同。

文件主要包含的shp数据如下： 1、地级城市驻地 2、国界线 3、经纬网 4、全国县级统计数据 5、省会城市 6、省级行政区 7、县城驻地 8、线状县界 9、中国地州界 10、中国湖泊 11、中国县界 12、主要公路 13、主要河流 14、主要铁路