Ⅰ 如何在WEKA中添加自己的演算法
1. 編寫新演算法，所編寫的新演算法必須符合Weka 的介面標准。在此以從Weka中文站上下載的一個演算法（模糊C均值聚類演算法：FuzzyCMeans）的添加為例說明其具體過程。
2. 由於FuzzyCMeans是聚類演算法，所以直接將FuzzyCMeans.java 源程序考到 weka.clusterers 包下
3. 再修改weka.gui.GenericObjectEditor.props ，在#Lists the Clusterers I want to choose from的weka.clusterers.Clusterer=\下加入：weka.clusterers.FuzzyCMeans
4. 相應的修改weka.gui.GenericPropertiesCreator.props ，此去不用修改，因為包weka.clusterers已經存在，若加入新的包時則必須修改這里，加入新的包
我試了一下，這樣加入之後，重新編譯，運行後，可以在weka的Explorer界面上的Cluster選項卡中的聚類演算法中找到剛剛新添加的FuzzyCMeans演算法。
添加過程簡單吧！關鍵問題是要弄清楚Weka的內核以及其介面標准，然後編寫出符合此規范的新演算法。
Ⅱ java內部模式識別的開源庫有哪些
1.機器學習開源軟體網（收錄了各種機器學習的各種編程語言學術與商業的開源軟體）
http://mloss.org
2 偶爾找到的機器學習資源網：（也非常全，1和2基本收錄了所有ML的經典開源軟體了）
http://www.dmoz.org/Computers/Artificial_Intelligence/Machine_Learning/Software/
3 libsvm （支持向量機界最牛的，不用多說了，台灣大學的林教授的傑作）
http://www.csie.ntu.e.tw/~cjlin/libsvm/
4 WEKA （基於java的機器學習演算法最全面最易用的開源軟體）
http://www.cs.waikato.ac.nz/ml/weka/
5 scikit (本人最喜歡的一個基於python的機器學習軟體，代碼寫得非常好，而且官方的文檔非常全，所有都有例子，演算法也齊全，開發也活躍
，強烈推薦給大家用）
http://scikit-learn.org/stable/
6 OpenCv(最牛的開源計算機視覺庫了，前途無可限量，做圖像處理與模式識別的一定要用，總不能整天抱著matlab做實驗和工業界脫節吧，但是有一定難度)
http://opencv.willowgarage.com/wiki/
7 Orange (基於c++和python介面的機器學習軟體，界面漂亮，調用方便,可以同時學習C＋＋和python，還有可視化的功能，）
http://orange.biolab.si/
8 Mallet (基於JAVA實現的機器學習庫，主要用於自然語言處理方面，特色是馬爾可夫模型和隨機域做得好，可和WEKA互補）
http://mallet.cs.umass.e/
9 NLTK(PYTHON的自然處理開源庫，非常易用，也強大，還有幾本orelly的經典教程）
http://nltk.org/
10 lucene(基於java的包括nutch,solr,hadoop,mahout等全套，是做信息檢索和搜索引擎的同志們必學的開源軟體了，學JAVA的必學）
http://lucene.apache.org/