搜索资源列表
BP
- 利用BP神经网络实现 鸢尾花数据分类(Data classification of iris using BP neural network)
模式识别代码
- 基于matlab的Iris、乳腺癌数据集的模式识别分类算法，含有 遗传算法+SVM、isodata、感知器算法、LMSE、神经网络等算法的实现代码，用于聚类效果良好，是模式识别大作业的参考资料(The pattern recognition classification algorithm based on MATLAB for Iris and breast cancer data sets contains the implementation code of genetic algorit
Irisflower-class-code
- 实验将Iris花的数据集分为2组，每组各75个样本，每组中每种花各有25个样本。其中一组作为以上程序的训练样本，另外一组作为检验样本。为了方便训练，将3类花分别编号为1，2，3 。 使用这些数据训练一个4输入（分别对应4个特征），3输出（分别对应该样本属于某一品种的可能性大小）的前向网络。(The data set of Iris flower was divided into 2 groups, 75 samples in each group. Each group had 25 sam
iris_analysis
- 分类算法将Iris分为三种类型(Setosa, Versicolour, Virginica),找出特征属性占比较大的几个属性，然后对数据进行降维以便于聚类分析，最终将数据分类。(The classification algorithm divides Iris into three types (Setosa, Versicolour, Virginica) to find a few attributes of characteristic attributes, and then redu
ornsac
- 应用阴形选择算法进行数据分类，以iris数据或者自己生成数据库均可使用(Using stealth selection algorithm for data classification)
kmeans
- 用natlab将iris数据聚类为三类。然后将结果与虹膜数据集中的正确结果进行比较，并计算分类精度(You are offered the iris dataset of the UCI dataset. Cluster the data to three categories. Then compare the result with the correct one in iris dataset and compute the classification accuracy.)
RBF、GRNN和PNN神经网络案例
- 能够实现RBF,GRNN和PNN神经网络的案例，一个是RBF-近红外光谱汽油辛烷值预测，GRNN，PNN-鸢尾花种类识别。代码和数据均有，直接可以拿来使用。(These are cases of RBF, GRNN and PNN neural networks can be realized. One is RBF-NIR spectroscopy gasoline octane prediction, GRNN, PNN-Iris species identification. Both c
ELM分类
- 内含两个数据集---iris_data和classsim，分别为艾瑞斯花和红酒的分类训练数据。分别用这两个数据集对极限学习机（ELM）进行训练，并测试ELM的分类效果。(It contains two data sets, iris_data and classsim, which are classified training data of Iris Flower and Red Wine respectively. The two data sets are used to train t