卡方距离度量KNN（NNC）分类器MATLAB

为了写论文编了一天，终于弄出来了，感觉对自己有用的话赞一个吧！

目前图像分类里面常用的分类器是多分类SVM，以及NNC（最近邻分类器）+卡方距离。本文只介绍NNC+卡方距离的分类方法。主要是编程（MATLAB）吧！（网上基本没有，MATLAB工具箱有个函数fitcknn和predict,但是需要调参即：特征向量多少维就要初始化多少个权值。）

KNN算法：（抄的）

优点：精度高、对异常值不敏感、无数据输入假定。

缺点：计算复杂度高、空间复杂度高。

适用数据范围：数值型和标称性。

工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据及中前ｋ个最相似的数据，这就是k-近邻算法中k的出处，通常k选择不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

K-近邻算法的一般流程：

（1）收集数据：可以使用任何方法

（2）准备数据：距离