自组织神经网络SOM作为一种无监督学习的竞争式网络，已经得到了广泛的应用，它通过对输入信号的竞争学习， 将样本划为不同的类别，但其分类效果常很难令人满意。提出了一种基于混合核函数的SOM神经网络改进方法，并和传统 的SOM网络进行了对比，Iris数据和Wine数据的分类实验表明，该方法可以明显改进SOM网络的分类效果。然后对某地 Landsat卫星遥感图像数据进行分类实验，实验结果表明，与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的 SOM网络相比较，基于混合核函数的SOM神经

利用matlab实现KNN算法对wine数据集的分类，并对分类结果进行了识别率的计算。

1 . 利用matlab实现KNN算法对wine数据集的分类，并对分类结果进行了识别率的计算。

wine利用svm分类结果

基于协同进化算法, 提出一种高维模糊分类系统的设计方法.首先定义系统的精确性指标, 给出解释性的必要条件, 利用聚类算法辨识初始模型.相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数, 适应度函数采用3类种群合作计算的策略, 在算法运行中利用基于相似性的模型简化技术约简模糊系统,最后利用该方法对Wine问题进行研究,仿真结果表明该方法能够对高维分类问题的特征变量进行选择, 同时利用较少规则和模糊集合数达到较高的识别率.