搜索资源列表
Navie-Bayes
- 机器学习中关于朴素贝叶斯（NB）方法的Matlab源代码，附带四个数据集用于实验-Machine Learning on Bayesian (NB) method of Matlab source code, with four data sets for experiments
minipro
- 该系统功能：实现手写识别，能通过对样例库中的数据进行学习，然后能判别、分类新的输入样例。其中包含了Kn近邻算法，贝叶斯参数估计的实现。实现了open test, close test等测试方法。-The system features: realization of handwriting recognition, through the library of sample data for study, and then to identify, classify the new input
PatternRecognition
- 用vc++编写的模式识别当中的贝叶斯分类和ISODATA分类算法，内附实验数据-Prepared using vc++ Bayesian classification and pattern recognition which ISODATA classification algorithm, the experimental data included
Bayes-Iris
- 根据贝叶斯原理设计的一个简单的分类器，利用已知样本数据训练后，分类器就可以对未知样本进行分类。（实验时采用的是Iris数据集。）-According to the design of a simple Bayesian classifier, using the known training sample data, the classifier can classify the unknown samples. (Experiments using the Iris data set.)
03
- 类的目的就是根据现有的图像特征建立一个分类器，能够对未知的图像类型进行预测。在现有众多分类 算法中，贝叶斯分类器由于其坚实的数学理论基础并能综合先验信息和数据样本信息，成为"-3前机器学习和数据挖 掘的研究热点之一。本文论述了内容图像检索中基于贝叶斯分类器的图像分类技术。介绍了贝叶斯分类器，叙述了 利用贝叶斯分类器进行图像分类的方法，以及图像特征的分布假定。最后通过对分类器的探讨，总结了贝叶斯估计 分类的不足。-The purpose of class is based on a
bcs_vb
- 利用贝叶斯恢复算法，实现采样后的数据的高精度恢复重建-Bayesian restoration algorithm, the precision of the data to achieve sampling recovery and reconstruction
Bayesian-based-classifier-design
- 基于贝叶斯的分类器设计.用“cancer.mat”的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试，从而加深对所学内容的理解和感性认识。-Based on the Bayes classifier. ' Cancer.mat data as the training sample set, the establishment of the Bayes classifier, the classifier is tested with the test sampl
recognition
- 本程序主要实现了基于贝叶斯分类的手写数字识别。 1、主程序为recognition.m，运行程序只需打开recognition.m文件运行即可 2、byes算法程序分别在bayes_erzhi.m文件、bayes_leasterror.m文件和bayesleastrisk.m文件中，分别对应着基于二值数据的bayes法的算法和基于最小错误的bayes法的算法和基于最小风险的贝叶斯分类器。 -The program achieved a handwritten numeral reco
project-01-Bayes
- 利用直方图的方法以及贝叶斯分类MINIST数据集-Using the Bayesian classification MINIST data set
贝叶斯分类作业数据_PR邹月娴_顾容之_20170927
- 贝叶斯分类的数据，用于测试贝叶斯分类是否有效(Bias classification data used to test whether the Bias classification is valid)
homework3
- 将二位数据投影到一维线性， LDA（Latent Dirichlet Allocation）是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。所谓生成模型，就是说，我们认为一篇文章的每个词都是通过“以一定概率选择了某个主题，并从这个主题中以一定概率选择某个词语”这样一个过程得到。文档到主题服从多项式分布，主题到词服从多项式分布。 [1] LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）