搜索资源列表
jiyuneirongdetuxiangjiansuo
- 基于内容的图像检索中的一些关键环节：特征提取：颜色直方图；纹理特征等 相似度：马氏距离，欧氏距离等 相关反馈：机器学习方法，如SVM，神经网络等 检索与分类：两个很相似的样本距离很小，虽然两个不相似的样本距离未必很大-content-based image retrieval of some of the key issues : Feature Extraction : color histogram; Texture characteristics of simila
chucaoji
- 摘要：本文提出了一种基于粗糙集的基本名词短语(BaseNP)识剐方法。该方法首先进行BaseNP标注， 然后实现BaseNP识别。它把BaseNP标注看作一个决策问题用粗糙集理论解决，因而具有特征约简和规则优 化的特点。文章介绍了基于粗糙集的规则学习方法和相应的算法，同时也给出了BaseNP标注和识别的算法 流程，提出了解决实例冲突问题的方法，并提高了识别效果。文章最后给出了详细的实验步骤和结果，并与几 个典型系统进行了比较与分析，提出了进一步改进的方向。 关键词：人工智能；
matlab-code-based-image-retrieval
- 基于图像检索的matlab代码，基于内容的图像检索中的一些关键环节：特征提取：颜色直方图；纹理特征等 相似度：马氏距离，欧氏距离等 相关反馈：机器学习方法，如SVM，神经网络等 检索与分类：两个很相似的样本距离很小，虽然两个不相似的样本距离未必很大-content-based image retrieval of some of the key issues : Feature Extraction : color histogram Texture characteristics of si
spwm_calc
- 昨天晚上用Visual C#写了一个SPWM正弦表生成工具，之前也有从网上下载有其他网友写的工具，但感觉始终用起来不是很方便。 学了一段时间的C#，也算是检验一下学习成果，于是就开始写了这个小工具，欢迎大家测试。 说明： 1. 计算方法是按马潮老师那本AVR教程上的公式计算的；通过测试，其计算结果跟马老师书上、及其他网友的工具生成的数据完全一样。 2. 机器上要装有.NET Framework 4下载，才能正常运行。-Yesterday evening with Visua
music
- 1、合并喜欢和播放两个列表，实现基于喜欢听的推荐排序算法，实现所听即所爱；下一版本将推出基于用户行为分析的机器学习算法。 2、优化了歌词算法，当发现歌词乱码时，可以手动纠错；下一版本将继续深度优化算法，提供滚动歌词的支持。 3、实现了桌面歌词，可以决定是否显示桌面歌词；下一版本将进行桌面歌词的自定义设置开发工作。 4、电台模式/播放器模式任意切换，MetroPlayer=豆瓣(本地推荐）+播放器，下一版本考虑网络版本。 5 、使用了基于Li
C4.5
- C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描
Machine Learning and Portfolio Optimization
- 机器学习在量化投资领域的综述，涉及组合优化理论、及机器学习的相关算法。(Machine Learning and Portfolio Optimization)
javacv代码大全
- 本大全涵盖了所有开发javacv的ＡＰＩ代码，帮助ｊａｖａ程序员尽快掌握机器视觉。初级和高级人员都可以用的上的好文档。(This book covers all the development of javacv API code, to help Java programmers to grasp the machine vision as soon as possible. Good documentation available for both junior and senior per
tensorflow-master
- 这是机器学习领域一个很重要的框架tensorflow的源码(This is a very important framework for machine learning, the source code of tensorflow)
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the