本专区汇聚了各类基于 k近邻 开发的源码资源，共计 24 篇资源供开发者免费下载学习。
在开源的yale人脸数据库中，实现的人脸识别，整个程序通过LBP（局部二值化模式）提取人脸的局部特征，用K_近邻算法实现对人脸特征向量的分类。整个系统的识别率达到90%左右，效果很
MATLAB训练程序（knn，K近邻分类）K近邻密度估计技术是一种分类方法，而不是聚类方法。不是最好的方法，在实践中很流行；
利用K近邻算法实现模式识别的一个小demo。对测试数据集做预处理，与训练数据集做K近邻匹配；使用5折的循环匹配；并对高维数据进行PCA降维以防止过拟合。
包括最小二乘法、SVM、神经网络、1_k近邻法,ZDLyDaL参数应用小区域方差对比，程序简单，本科毕设要求参见标准测试模型，DC-DC部分采用定功率单环控制，JrsyeOA条件验
各种机器学习算法，包含贝叶斯分类、K近邻算法、ML算法、混合模型等常用的机器学习算法。
添加噪声处理，比较了软阈值，硬阈值及当今各种阈值计算方法,能量熵的计算，可直接计算得到多重分形谱,供做算法研究人员参考，一些自适应信号处理的算法。
应用背景用于有监督学习的数据训练和分类，以及kd树的构造，实现关键技术 构造平衡的kd树，kd树的近邻收索 kd树的最近邻搜索：给定一个目标点，收索其最近邻，首先找到
应用背景你得到的分类器函数求值函数- -非常重要--其他代码是瞎扯淡* T，这是真正的交易，我已经用过很多次股票交易，债券，期货，等参数（对于分类侧）：一个包含每个类的特征值的单元
K_近邻算法的Matlab源代码，提供测试数据。适合于多分类问题，二分类问题。该源代码的测试数据为常用的数据Iris，测试结果显示该算法的分类正确率极高，能够达到98%。K-最近邻
基于MATLAB的k邻近值分类，matlab练习程序（KNN，K最邻近分类法） K最邻近密度估计技术是一种分类方法，不是聚类方法。不是最优方法，实践中比较流行。
在模式识别中，k-近邻邻居算法 （或简称 K-NN） 是一种用于分类和回归的非参数方法。在这两种情况下，输入包括 k 最近训练样本在特征空间中。输出取决于 k-近邻用于分类或回归。
k-近邻算法 （k-近邻） 是分类对象基于最近训练样本在特征空间.k-近邻非参数方法是 ty