m0_65076041的博客

根据这个代码段所执行的任务是使用 K-Means 算法对数据进行聚类： 1. 该算法使用 `csvread` 函数从提供的文件中加载测试数据和训练数据集合，并将它们组合成一个数据集。 2. 使用 `zscore` 函数标准化数据，这可以使不同特征的口袋数量变得可以比较。 3. 使用 `kmeans` 函数对标准化的数据集进行 K-Means 聚类分析，使用 k=4 作为聚类数量。 4. 生成图表以将所有聚类可视化，其中每个聚类对应一个颜色标记。图表还会显示每个聚类的中心点。 结论：此算法将数据集分成了四个不同的聚类子集，每个聚类子集的重心是图表中的黑色十字。此模型的最终结果应根据该数据集和问题的特定上下文来解释，同时应使用其他技术和知识进一步分析和验证结论。

一、实验内容 1．了解Fisher线性判决用于样本分类的算法原理。 2．利用Matlab编写算法程序，自选一组分别属于三类的三维模式样本A，并对它们进行分类。 二、实验原理 Fisher判别分析法对样本数据也没什么要求,而且可以弥补距离判别在外延计算时计算大的问题，一般情况下，其判别的效果也比距离判别更好些。由于Fisher判别分析法不需要对样本数据进行检验，而且有一定的正确率，因此在实际中被广泛应用。 假设有一组集合 包含n个d维样本 ，其中n1个属于w1的样本记为 ，n2个属于w2的样本记为 ， 若 则每个yn就是相对应Xn在方向为w的直线上的投影，w的方向不同，样本投影后的分离程度不同，从而直接影响识别效果。 Fisher线性判别所要解决的基本问题是找到一个最好的投影方向，使样本这个方向上的投影能最好，最易于分类。寻找最好投影方向的问题在数学上就是寻找最好变换向量w*的问题。因此Fisher判别分析的基本思想就是投影，即将k类n维数据投影到某个方向，使组与组间的距离最大，即采用方差分析的思想。判别函数的参数向量如下: 在D维X空间： （1）各样本均值向量 （2）样本内

用MATLAB做一个两分法

里面有html，css，js

简陋只有HTML和css

非常简陋，只有HTML和css

非常简陋，只有HTML和css

里面用了css，html，js

里面已经有打印识别率和增加了一层卷积，先根据1运行完成下载完成手写体之后运行2