资源列表
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime
ELM_样例
- 极限学习机（Extreme Learning Machine, ELM）用来训练单隐藏层前馈神经网络（SLFN）与传统的SLFN训练算法不同，极限学习机随机选取输入层权重和隐藏层偏置，输出层权重通过激活函数函数，依据Moore-Penrose（MP）广义逆矩阵理论计算解析求出。(Extreme learning machine (ELM) is used to train single hidden layer feedforward neural network (SLFN). Differe
python疫情数据可视化
- 通过时事数据可视化系统，可以清楚地了解全球疫情分布的状况以及密度，以便做出相应的对策(Through the current affairs data visualization system, it is possible to clearly understand the distribution and density of the global epidemic in order to make corresponding countermeasures)
爬虫源码
- 内涵81个Python爬虫源码，doc文件，自行复制下载。
核主元分析（Kernel principal component analysis ，KPCA）在降维、特征提取以及故障检测中的应用
- 主要功能有： （1）训练数据和测试数据的非线性主元提取（降维、特征提取） （2）SPE和T2统计量及其控制限的计算 （3）故障检测 KPCA的建模过程（故障检测）： （1）获取训练数据（工业过程数据需要进行标准化处理） （2）计算核矩阵 （3）核矩阵中心化 （4）特征值分解 （5）特征向量的标准化处理 （6）主元个数的选取 （7）计算非线性主成分（即降维结果或者特征提取结果） （8）SPE和T2统计量的控制限计算
中医证型的关联规则挖掘
- Apriori关联规则在中医证型中的应用，有对应数据及说明文档，可以运行(It is mainly the application of Apriori association rules in TCM syndromes, which can be run with corresponding data and process descr iption)
pytorch从0到1随书代码
- pytorch从0到1随书代码，供广大网友学习交流
SpringBoot+jsoup爬虫
- 本地创建.xlsx文件，里面存放京东商品地址，运行项目启动导入本地xlsx文件，自动爬取文件中地址信息下载到本地
GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例
- GA-BP; BP神经网络各种案例，BSO天牛群，CEEMD分解，EMD工具箱，PSO优化，rBAS,LSTM各种实际案例，代码基于matlab和python
PCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
KPCA算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.
LPP算法
- 对高维数据进行特征两提取,提高数据分类速度,可用于故障诊断数据的特征量提取.