两种分类方式的matlab程序，对于模式识别课程的课程报告作业，代码.m文件，论文。可以实施运行操作

提取出离散曲线中的关键特征至高点与至低点，并且用离散Fréchet距离作为距离的测度来对至高点与至低点进行研究，建立了一种判断离散曲线相似性的数学模型，此模型不需要对曲线进行平移和伸缩变换。由于模型的求解是NP困难问题，针对这种情况，提出了一种新的多项式的求解算法，以在线手写签名验证为例验证数学模型，然后对随机的150个测试签名进行检验，结果成功匹配率为91.33%，误纳率为6%，误拒率为2.67%。

对于刚刚开始学习SVM的同学很有帮助哦！快来看看吧

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

编写算法判别给定二叉树是否为完全二叉树(层次遍历).doc.doc

该程序使用 FLD（Fisher 线性判别法）从人脸数据库中识别人脸。 使用Fisherface方法的图像识别是基于使用主成分分析（PCA）方法缩小人脸区域大小，然后称为Fisher线性判别分析（FDL）方法或线性判别分析（LDA）方法来获取图像特征。

为了使计算机能更好的识别人脸表情，对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理，包括对确定的人脸表情区域进行尺寸和灰度归一化，然后利用二维Gabor小波变换提取脸部表情特征，使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中，利用Fisher准则提取那些有利于分类的特征，最后用SVM分类器进行分类。实验结果表明，上述提出的方法比传统的方法识别速度更快，能达到实时性的要求，并且具有很好的鲁棒性，识别率高。

以花为例的线性判别分析。 在这里，我们讨论了三种不同种类的花，并通过使用萼片和花瓣的参数来区分它们。

现在用MATLAB软件编写程序来实现LMSE算法计算判别函数.doc

给定一个上下文无关文法，判断其是否为 LL（1）型文法。如果不是，尝试是否 可以改写为 LL（1）文法。 覆盖知识点：FIRST 集、FOLLOW 集、SELECT 集、预测分析表的构建、消除左递归、 消除左公共因子。 求first集、FOLLOW集、select集、LL(1)文法判别、构造预测分析表、非LL（1）文法转换为LL（1） C++版