应用PCA（主成分分析）进行人脸识别的matlab程序，有较高成功率...

用人工神经网络实现异或的功能。用反向传播算法（BP）来实现神经网络，正确率可以达到80% -using artificial neural network XOR functions. With back-propagation algorithm (BP) to achieve neural network, can achieve an accuracy rate of 80%

模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, support vector machines

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor

是用遗传算法求函数：f(x1,x2)=100(x1*x1-x2*x2) (x1*x1-x2*x2)+(1-x1)(1-x1) 约束：-2.048

K-Means动态聚类算法源程序 使用K-Means实现数据挖掘中的聚类算法-Dynamic K-Means clustering algorithm source realize the use of K-Means clustering data mining algorithm

支持向量机的matlab代码.很有参考价值的源代码-Support vector machine matlab code. A good reference source code

人工智能模式识别中基于支持向量机的分类算法在识别领域属于较新的应用-The SVM-based classification algorithm is a kind of new application in the field of artificial intelligence and pattern recognition.

扩展的Infomax算法，具有比较快的收敛速度！而且程序非常简洁,明了-expansion of Infomax algorithm, with a faster rate of convergence! The procedure is very simple, straightforward

EBP反向传播算法对应的源程序，三层网络，分隐层神经元，输出层神经元，输入层神经元的一个基本的程序实现-EBP back-propagation algorithm the corresponding source code, the three-tier networks, sub-hidden layer neurons, output layer neurons, input layer neurons realize a basic procedure

神经网络算法-Neural network algorithm