function K_Nearest_Neighbor_Classification
%偶4年前的《模式识别》作业:2008年4月24日
%采用K-近邻法,距离为欧氏距离
%算法视线见《模式识别》P140-P142(各类样本的协方差不相等)
%本问题中取的测试样本数均为50
%N=input('测试样本数 N= ');
K=input('选择近邻的个数(K<=200) K= ');
%随机生成二维正态分布
% X1(:,1)=normrnd(2,sqrt(2),300,1);X1(:,2)=normrnd(3,1,300,1); %N X 2
% X2(:,1)=normrnd(5,2,200,1);X2(:,2)=normrnd(7,sqrt(2),200,1);
X1=mvnrnd([2 3],[2 0;0 1],300);
X2=mvnrnd([5 7],[4 0;0 2],200);
%测试样本
X10=mvnrnd([2 3],[2 0;0 1],50);
X20=mvnrnd([5 7],[4 0;0 2],50);
% N=length(X10);%测试样本个数
% %描绘测试样本各点分布图
for i=1:length(X10)
if i<=length(X20)
plot(X10(i,1),X10(i,2),'rO','LineWidth',2),hold on
plo
%偶4年前的《模式识别》作业:2008年4月24日
%采用K-近邻法,距离为欧氏距离
%算法视线见《模式识别》P140-P142(各类样本的协方差不相等)
%本问题中取的测试样本数均为50
%N=input('测试样本数 N= ');
K=input('选择近邻的个数(K<=200) K= ');
%随机生成二维正态分布
% X1(:,1)=normrnd(2,sqrt(2),300,1);X1(:,2)=normrnd(3,1,300,1); %N X 2
% X2(:,1)=normrnd(5,2,200,1);X2(:,2)=normrnd(7,sqrt(2),200,1);
X1=mvnrnd([2 3],[2 0;0 1],300);
X2=mvnrnd([5 7],[4 0;0 2],200);
%测试样本
X10=mvnrnd([2 3],[2 0;0 1],50);
X20=mvnrnd([5 7],[4 0;0 2],50);
% N=length(X10);%测试样本个数
% %描绘测试样本各点分布图
for i=1:length(X10)
if i<=length(X20)
plot(X10(i,1),X10(i,2),'rO','LineWidth',2),hold on
plo