搜索资源列表
hierarchical
- 对于随机数据和Iris数据的层次聚类算法-For random data and Iris data hierarchical clustering algorithm
PatternRecognition
- (1)Bayes分类 已知N=9， =3，n=2，C=3,问x= 应属于哪一类？ (2)聚类 使用c－均值聚类算法在IRIS数据上进行聚类分析 (3)鉴别分析 在ORL或Yale标准人脸数据库上完成模式识别任务。 用PCA与基于核的PCA（KPCA）方法完成人脸图像的重构与识别试验。-(1) Bayes classification Known N = 9, = 3, n = 2, C = 3, x = should ask which cat
Parallel-axis
- 平行坐标轴是可视化的一种传统方法，用于模式识别聚类等，数据是‘鸢尾花数据集’，有较好的分类效果。-Parallel to the axis is a traditional way to visualize, used for clustering and pattern recognition, data is the iris data set, have better classification effect.
K-Means-master
- 模糊C均值聚类算法的PYTHON实现，在UCI的IRIS数据集上实现-Fuzzy C-means clustering algorithm PYTHON realization, implemented on UCI s IRIS data set
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
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
K-means聚类
- 应用K-means聚类算法，实现对iris数据集的分类(Using K-means clustering algorithm to realize the Classification of iris dataset)
decomposition
- 按照算法步骤对IRIS数据进行仿真，IRIS数据是由鸢尾属植物的三种单独的花的测量结果所组成，模式类别数为3，特征维数是4，每类各有50个模式样本，共有150个样本。首先使用分解聚类算法分离出第一种鸢尾属植物，再对剩余的所有样本进行第二次分解聚类，得出第二种鸢尾属植物和第三种鸢尾属植物。(Decomposition clustering algorithm)