说明：knn-K近邻法实现两分类的函数代码，输入为两类的样本特征，和待测试的样本向量，输出为分类结果。

code-for-knn KNN-分类 KNN-Classification K. 样本分类

说明：基于模拟退火的粒子群优化算法，示例程序，用于求解复杂函数的极值问题（源程序中的示例函数为Camel，Rastrigrin，Ackley）

pso-sa-matlab 极值优化 求解复杂函数 粒子群优化 pso算法

说明：svm 图像分割 用kmeans得到两类分割的图，在显示的图像中用鼠标取点得到2*num个坐标位置的二维向量，前num个为正样本，后num各为负样本

kmeans分割 SVM--图像分割 kmeans-svm SVM-图像分割 SVM-KNN

说明：用于手写体数字识别的USPS样本数据库和将MAT格式的样本数据库转换成二值化图像并以行程编码存储

手写体 手写数字识别 USPS数据库 样本库 usps.mat数据

说明：这是读好的ORL 和YALE人脸库数据， 用LODA加载后， 变量train 代表是训练样本， test 代码是测试样本。

YALE人脸库 yale数据库 train orl人脸数据库 Facedata

说明：K近邻算法。是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

K. knn

说明：在许多现实世界的应用中，我们处理与多个相关的分类/回归/聚类任务。对于例如，治疗结果的预测（Bickel et al.，2008），预测效果的任务几种药物的组合是相关的。在疾病进展预测中，预测在每个时间点的结果可以被视为一个任务，这些任务是时间相关的（周等。，2011B）。一个简单的方法是独立解决这...

算法 学习 任务 应用程序 理论

说明：  KNN 算法其实简单的说就是“物以类聚”，也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类，思想很简单：如果一个样本的特征空间中最为临近（欧式距离进行判断）的K个点大都属于某一个类，那么该样本就属于这个类。这就是物以类聚的思想。

说明：让我们明白FFT。它是快速傅立叶变换的算法来计算DFT或离散傅立叶变换的快速和有效的方式。究竟是什么过滤。我们怎样才能筛选简单的方式的信号。什么是FFT的这种对称特性和更重要的是了解有关FFT的核心事实。首先让我们为50Hz构建一个简单的正弦信号的幅度=5。我正在考虑的100倍消息的频率采样频率（这...

c matlab fft 滤波器

说明：采用中心聚类法求取样本中心，中心和权值一直是RBF网络的两大难题，采用K means 法求取样本中心，便于RBF网络的构建！

matlab 函数 中心 径向