فرض کنید که ما متنی را روی کاغذ داریم و می‌خواهیم آن را وارد رایانه کنیم. اولین روشی که به ذهن می‌رسد این است که متن را به تایپیست بدهیم تا با کامپیوتر تایپ کند. اما آیا می‌شود عین همان متن را وارد رایانه بکنیم تا نیازی به تایپ نباشد؟ بله! این کار از لحاظ علمی در دو فاز مهم انجام می پذیرد. فاز یک: استخراج ویژگی ها از تصاویر. فاز دوم: استفاده از یک روش طبقه بندی. هر فاز به نوبه خود دارای اهمیت خاصی بوده و موقیت درعمل طبقه بندی نیاز به دانش کافی در هریک از آنها دارد. یکی از تکنیکهای کلاسیک به کار رفته در فاز طبقه بندی، استفاده از کلاسیفایر (طبقه بندی کننده) گوسی با تخمین گوسی توابع چگالی احتمال است. ادامه مطلب را ببینید.

فرض کنید که ما متنی را روی کاغذ داریم و می‌خواهیم آن را وارد رایانه کنیم. اولین روشی که به ذهن می‌رسد این است که متن را به تایپیست بدهیم تا با کامپیوتر تایپ کند. اما آیا می‌شود عین همان متن را وارد رایانه بکنیم تا نیازی به تایپ نباشد؟ بله! این کار از لحاظ علمی در دو فاز مهم انجام می پذیرد. فاز یک: استخراج ویژگی ها از تصاویر. فاز دوم: استفاده از یک روش طبقه بندی. هر فاز به نوبه خود دارای اهمیت خاصی بوده و موقیت درعمل طبقه بندی نیاز به دانش کافی در هریک از آنها دارد. یکی از تکنیکهای کلاسیک به کار رفته در فاز طبقه بندی، استفاده از کلاسیفایر (طبقه بندی کننده) گوسی با تخمین گوسی توابع چگالی احتمال است.

با توجه به درخواست های  مکرر مراجعین، گروه متخصصین برنامه نویسی هوشمند متلب سایت اقدام به تهیه برنامه نوشته شده در متلب برای پیاده سازی یک کلاسیفیر بهینه گوسی کرده و کد متلب آن را برای دانلود در اختیار مراجعین قرار داده است. این برنامه بطور کامل توسط گروه متخصصین برنامه نویسی هوشمند متلب سایت تهیه شده است. در این برنامه یک تصویر رنگی به چهار کلاس مختلف تقسیم می شود.

در ادامه لینک دانلود این برنامه قرار داده شده است:

• دانلود کد کلاسیفایر (طبقه بندی کننده) بهینه گوسی با تخمین گوسی توابع چگالی احتمال (۲۳۰٫۵ KB)