中文说明： %cvknn-K-Nearest 邻居分类 % %简介 [类] %= cvKnn (X，原始，ProtoClass，[K]、 [distFunc]) % %说明 %K-最近邻分类 % %投入 （[] s 都是可选的） %（矩阵） X D x N 矩阵表示列 classifiee 矢量 其中 D 是维度数目，N 是的 % %数目的向量。 x 代表列原型载体的 P 矩阵 （矩阵） 原始 D % 其中 D 是维度数目，P 是的 % %数目的向量。 （矢量） ProtoClass % %1 x P 向量包含类标签为原型 %向量。 %（标量） [K = 1] K NN K.搜索 K 最近邻。 %(func) [distFunc = @cvEucdist] %为距离度量值的函数句柄。该函数 %必须具有两个参数的矩阵 X 和 Y.见 %cveucdist.m (欧几里德距离) 作为参考。 % %产出 （[] s 都是可选的） %（矢量） 类 1 x N 向量包含分类类标签 十.Class(n) %是 X(:,n) 的类 id。 %（矩阵） [等级] 仅供 NN (K = 1） 现在。 %nClass x N 向量包含排名类标签 十.Rank(1,n) %是第一候选人，是 %class(n)，Rank(2,n) 同是第二届 %候选人，Rank(3,n) 是第三个和等等。 % %参见 %cveucdist cvMahaldist %作者 直利 Seo < sonots (at) sonots.com > % %
English Description：
% cvKnn - K-Nearest Neighbor classification % % Synopsis % [Class] = cvKnn(X, Proto, ProtoClass, [K], [distFunc]) % % Description % K-Nearest Neighbor classification % % Inputs ([]s are optional) % (matrix) X D x N matrix representing column classifiee vectors % where D is the number of dimensions and N is the % number of vectors. % (matrix) Proto D x P matrix representing column prototype vectors % &nb