说明：BP神经网络算法，贝叶斯-最小距离分类器，可以用于模式识别。

BP神经网络算法 贝叶斯-最小距离分类器

说明：基于BP神经网络设计分类器，matlab源程序例子。

BP-分类 BP分类器设计 BP-分类-matlab bp-分类--matlab BP-matlab-分类

说明：matlab编写的误差反向传播（BP）神经网络简单分类器。

BP分类器-matlab BP分类器 反向传播 误差反向传播 分类器

说明：BP_Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器，利用此方法设计出强分类器。

BP-Adaboost BP神经网络 分类器 BP 神经网络 Adaboost算法

说明：用BP神经网络分类器进行分类识别的matlab源代码

BP-分类 matlab-分类 分类 分类-matlab 分类MATLAB

说明：用其中一半的数据采用ANN-BP算法设计分类器，另一半数据用于测试分类器性能。

bp ann 分类器

说明：采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）。

bp-男女生 男女生分类器 神经网络设计 算法评判se-sp 女生的BP

说明：BP-Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。

bp——adaboost adaboost 预测 adaboost_bp BP预测

说明：Iris数据集的分类程序，包括线性分类器实验，BP网络分类器实验，以及异或数据的BP网络分类实验，外带试验报告

BP分类器 数据集 iris-BP BP-Iris BP

说明：采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。要求自行编写代码实现遗传算法。

遗传算法 SVM 分类器 SE SP ACC AUC