说明：手写体数字识别的程序，用了三种方法，贝叶斯，最近邻和BP神经网络，用MATLAB编写的，算法简单易懂，结构清晰。

手写体数字识别 贝叶斯 最近邻 BP神经网络

说明：模式识别中统计模式识别的方法，包括贝叶斯，统计学习，LDA，PCA，SVM的经典方法，是不可多得的算法的toolbox

lda-svm statistic-toolbox LDA-PCA-matlab 贝叶斯-算法 svm-matlab

说明：采用动量梯度下降算法训练 BP 网络。 采用贝叶斯正则化算法提高 BP 网络的推广能力。在本例中，我们采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络，使其能够拟合某一附加有白噪声的正弦样本数据。

BP 网络 贝叶斯正则化算法 L-M 优化算法 trainlm 贝叶斯正则化算法 trainbr 白噪声

说明：采用动量梯度下降算法训练BP网络，采用两种训练方法，即 L-M 优化算法（trainlm）和贝叶斯正则化算法（trainbr），用以训练 BP 网络。

动量梯度 L-M 贝叶斯正则

说明：基于贝叶斯分类算法的图像阈值分割迭代最佳阈值分割算法matlab7.0环境运行无误

迭代阈值算法 BB迭代算法 分割 图像分割算法 图像分类

说明：一个自己编写的Tri-training算法，利用支持向量机，K近邻，朴素贝叶斯进行协同训练

协同训练算法 贝叶斯 协同训练 协同 tri-training

说明：分别使用最近邻（KNN），朴素贝叶斯（NB）和支持向量机（SVM）算法实现的分本分类的作业，内含数据集合以及详细的实验报告。

最近邻分类 贝叶斯 SVM实验报告 贝叶斯-分类 SVM分类

说明：基于大坝温控的温度预报程序，采用了L-M优化算法和贝叶斯正则化算法，结果良好。

大坝温控 L-M优化算法 贝叶斯正则化算法 BP

说明：采用贝叶斯正则化算法提高 BP 网络的推广能力。我们采用两种训练方法，即 L-M 优化算法

bp正则化 bayes_bpnet BP Trainlm BP-trainlm

说明：BP神经网络的matlab程序（动量梯度下降算法训练 、贝叶斯正则化算法）。

BP神经网络 bp正则化 动量BP ann-bp ANN