搜索资源列表
数字图像处理alpha版
- 本软件是由作者经过数字图像处理课程的学习，采用vc++.net将其基本算法实现，其算法主要包括： 1.点运算（灰度直方图，直方图均衡处理，线性运算，二值化，灰度化等） 2.几何运算（旋转，放缩，镜像，平移） 3.几何空间增强（均值，中值滤波器，k近邻均值，中值滤波器，Roberts,sobel,priwitt,laplacian,wallis锐化算子等） 4.频率域增强（基2FFT进行空间域到频率域的转换，高斯，理想，巴特沃斯高低通滤波器） 5.形态学（膨胀，腐蚀，开，闭运算，边缘提取） 6.图
Myknn
- knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法-Knn, or k-nearest neighbor algrithom, is a simple and classical classifier algrithom.
KNN(C++)
- knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法-knn, k-nearest neighbor pattern recognition algorithm is a relatively simple and classic classification algorithm
expressionsb
- 基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。-based on elastic template matching Facial Expression identification procedures. First of all expressions against static image looked gray image
K_NN
- k近邻（k_nn)算法在图象处理中的应用,visual C#-k neighbors (k_nn) image processing algorithms in the application, visual C#
knn
- 朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。
facerecongnition
- 基于弹性模板匹配的人脸表情识别程序。首先针对静态表情图像进行表情图像的灰度、尺寸归一化，然后利用Gabor小波变换提取人脸表情特征以构造表情弹性图，最后提出基于弹性模板匹配及K-近邻的分类算法实现人脸表情的识别。
PatternRecognition
- 1.Fisher分类算法 2.感知器算法 3.最小二乘算法 4.快速近邻算法 5.K-近邻法 6.剪辑近邻法和压缩近邻法 7.二叉决策树算法
Image-Classification
- 对SVM多类分类算法进行了研究，总结了不同分类算法的优缺点。接下来本文提出了基于GA(遗传算法)和KNN(K近邻)的SVM多类分类算法-The SVM multi-class classification algorithms studied, summed up the advantages and disadvantages of different classification algorithms. The next paper, based on GA (genetic algorit
KNN
- K近邻算法,设定K类后，用该算法进行分类任务(KNN algorithm,this method can be used to execute classify mission)
最近邻分类代码
- 在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)
FaceRec
- 对人脸进行特征提取，并使用K近邻算法得其识别率(Feature extraction is performed on the face and its recognition rate is obtained using K nearest neighbor algorithm)
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
text classification
- 利用K近邻算法实现的文本分类器 提供分属于20个类别的20000个新闻文本，每个类别含1000个文本。(Text classification using KNN)
机器学习
- 此算法是对机器学习实战这本书中的K近邻算法进行了代码的详细介绍(K neighbor algorithm of machine learning code explained in detail)
kNN
- 用python构建相关函数实现K近邻算法并进行简单运用。(Build a function in python to implement K neighbor algorithm.)
knn
- 模式识别中的k近邻算法，经过测试，运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类，并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类，其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
kNN
- K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。(K-nearest neighbor (KNN) classification algorithm is a relatively mature method in theory and one of the simplest machine
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
基于php的KNN算法实例
- kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。用这种算法可以完成最简单的机器学习算法，适合参加科技比赛和演示