搜索资源列表
faceRecognitionBasedOnWavelet
- 基于小波变换和神经网络的人脸识别：本论文围绕人脸识别问题对人脸特征提取及识别技术进行了研究。主要有：对人脸识别的研究工作进行了综述；在KL算法的基础上提出了新的基于KL的特征提取方法，克服了KL算法计算量大，计算时间长的缺点，-Based on Wavelet Transform and Neural Network Face Recognition: In this paper, issues surrounding the face recognition feature extractio
WordTest
- 本文阐述了一个基于K-Nearest Neighbor(KNN)算法的中文网页自动分类系统的体系结构、具体设计和实现过程。系统分成三个模块：中文网页的下载与过滤（王勋完成）；KNN算法的训练与分类（黄健完成）；算法评估以及分词系统的整合（吴亮完成）。 本人主要是实现算法的评估以及分词系统的整合：分词系统的整合利用爱博汉语分词系统(服务器版本—共享版)，将下载下来的中文网页过滤后所得到的txt文件内容进行分词，以便提供给KNN算法进行训练和分类；算法的评估是将KNN算法后所得到的结果进行分析，
imageDenoising
- 图像去噪的最新算法knn,nlm；用GPU加速处理-the latest image denoising algorithms:knn,nlm optimized by GPU
knn-MATLAB
- 这是一个实现简单的多数表决法的KNN算法。KNN算法涉及三个重要的步骤，分别是决定K的大小；距离的表达方法（一般有欧式距离，曼哈顿距离，Minkowski距离）；决策方法（多数表决法，KD树法等）。本程序是采用多数表决的决策方法，距离表达采用欧式距离。适用于小样本少特征的数据集。(KNN algorithm realized by MATLAB, useful for small training set and less features.)
KNN
- 人工智能课程的KNN算法实现，包括回归和分类。(Artificial intelligence curriculum KNN algorithm, including regression and classification.)
KNN方法
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一(The adjacent algorithm, or the K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in the data mining classification technique)
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
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