基于K近邻分类器的手写识别系统.doc基于K近邻分类器的手写识别系统.doc基于K近邻分类器的手写识别系统.doc基于K近邻分类器的手写识别系统.doc基于K近邻分类器的手写识别系统.doc

最近邻分类器的MATLAB实现,能运行。

最近邻分类器(NN) 假设i.i.d.样本集 对于样本 ，NN采用如下的决策： 相当于采用 近邻方法估计后验概率，然后采用最大后验概率决策。 分类一个样本的计算复杂度： （采用欧氏距离）

针对传统钢轨检测方法不能满足线路检修的需要,提出了一种基于计算机视觉的钢轨扣件检测算法,运用投影法和特定区域像素点扫描统计相结合的方法定位扣件位置,使用灰度特征和HOG特征描述扣件特征向量,并利用Chi开方距离分类器进行特征提取。实验结果表明,该算法具有一定的有效性和可行性。

基于稀疏表示的最近邻分类器（LSRNN）的matlab代码

matlab，用于分类的最近邻分类器，简单易懂

K近邻分类器 matlab实现 很适合初学者

用python实现k-近邻分类，包括约会网站配对效果和手写体识别。

采用k近邻分类器对mnist数据集进行十分类。且里面包含mnist数据集。代码采用matlab编写，可以直接运行。

常见的主动学习方法分为三类，分别是基于membership的主动学习，基于流的主动学习和基于池的主动学习。本文针对基于池的主动学习方法研究，通过对无标记的数据进行价值评价，然后价值高低的排序，从而得到最佳无标签数据，并且进行对最佳的无标签数据打标，并入到训练集合中，最后进行模型和分类器的训练，以便得到最佳效果。 具体来说，使用基于熵的不确定性方法和基于margin策略的不确定性度量方法进行价值评价，在无标签数据中，找到奇异样本点，也就是最有价值的样本点，然后进行打标，进入到训练样本中。最后进行支持向量机，贝叶斯分类器和最近邻三种分类器训练，并且在UCI的三个数据集合上进行实验，相比随机样本，基于熵的不确定方法和基于margin策略的不确定主动学习方法，其分类准确率更高。