资源列表
GABP
- 神经网络预测数据,遗传算法优化权值和阈值，调用子函数包含在压缩包中(Neural network predicts data, genetic algorithm optimizes weights and thresholds, and calls the sub functions contained in the compression package.)
KNN
- 利用KNN算法识别手写数字，zip内包含训练数据集和测试数据集(This is a handwriting number recognition demo using kNN algorithm)
20170110_KMeans
- 在花卉数据集上，用Java实现的简单K-means算法。(In flower dataset, a simple K-means algorithm is implemented by Java.)
SVM-w-SMO
- 用序列最小优化算法（SMO）进行训练的支持向量机的简单实现。(simple implementation of a Support Vector Machine using the Sequential Minimal Optimization (SMO) algorithm for training.)
apriori
- 收集数据：使用任何方法 准备数据：任意数据类型都可以，因为我们只保存集合 分析数据：使用任何方法 训练算法：使用Apriori算法来找到频繁项集 测试算法：不需要测试过程 使用算法：用于发现频繁项集以及物品之间的关联规则 使用Apriori算法，首先计算出单个元素的支持度，然后选出单个元素置信度大于我们要求的数值，比如0.5或是0.7等。然后增加单个元素组合的个数，只要组合项的支持度大于我们要求的数值就把它加到我们的频繁项集中，依次递归。 然后根据计算的支持度选出来的频繁项集来
further.pdf
- Mathimatics-Numerical algorithms
TSP_hopfield
- 这个代码可以有效地解决旅行商问题的组合优化问题(This code can effectively solve the combinatorial optimization problem of traveling salesman problem.)
2
- Hopfield神经网络在matlab实例(Hopfield neural network)
mnist98
- 改进的dnn，准确率达到了百分之98，有注释(The accuracy of the improved DNN is ninety-eight percent, with annotations)
pyDogVsCat
- 识别率85%，kaggle上有名的猫狗大战算法，可以很方便的查看分类结果。每一个epch需要22s左右（GTX1050Ti 4G）(The recognition rate is 85%. The famous dog and dog algorithm on kaggle is very convenient for us to see the classification results. Each epch needs about 22s (GTX1050Ti 4G))
Pattern Recognition and Machine Learning
- for machine learning
co-training
- matlab实现co-training算法，数据集mutiple+Features(Matlab implements co-training algorithm, data set mutiple+Features.)