CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 源码下载 图形图象 图形/文字识别 搜索资源 - statistical learning

搜索资源列表

  1. maxminestimate

    0下载:
  2. 最大最小值估计,适合学习统计理论和模糊方面的结合应用,尤其是在模式识别方面的分类。-largest minimum estimate for statistical learning theory and fuzzy combination of the application, especially in regard to the classification of pattern recognition.
  3. 所属分类:图形/文字识别

    • 发布日期:2008-10-13
    • 文件大小:4.58kb
    • 提供者:fengfeng
  1. ISODATA

    0下载:
  2. ISODATA算法是一种基于统计模式识别的,非常经典的非监督学习动态聚类算法,有较强的实用性。ISODATA算法不仅可以通过调整样本所属类别完成样本的聚类分析,而且可以自动地进行类别的“合并”和“分裂”,从而得到类数比较合理的聚类结果。-ISODATA algorithm is based on statistical pattern recognition, unsupervised learning is the classic dynamic clustering algorithm
  3. 所属分类:Graph Recognize

    • 发布日期:2017-04-04
    • 文件大小:181.61kb
    • 提供者:wcb
  1. svm

    0下载:
  2. 选用支持向量机作为区分文本与非文本的分类器,支持向量机是在统计学习理论基础上发展起来的新一代学习算法,它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。-Use support vector machine as the distinction between text and non-text classifier, support vector machine is in statistical learning theory developed on the basis of
  3. 所属分类:Graph Recognize

    • 发布日期:2017-03-30
    • 文件大小:50.67kb
    • 提供者:caoliang
  1. Face-detection

    1下载:
  2. 人脸检测,是一篇较好的综述论文。系统地整理分析了人脸检测问题的研究文献, 将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法-Face detection is a good review paper. Systematically and analyzed the problem of face detection research literature, the face detection methods into knowledge-based face authenti
  3. 所属分类:Graph Recognize

    • 发布日期:2017-03-30
    • 文件大小:469.05kb
    • 提供者:thinsc
  1. pattern-recognition

    0下载:
  2. 模式识别的内容,包括模式识别的基本概念、模式识别方法及应用。具体的内容包括:正则化网络、Bayes决策理论、分类器组合、统计学习理论、概率密度估计、非监督学习方法-Pattern recognition, including the basic concepts of pattern recognition, pattern recognition methods and applications.Specific content, including: Regularization Netwo
  3. 所属分类:Graph Recognize

    • 发布日期:2017-05-13
    • 文件大小:3.12mb
    • 提供者:long
  1. 论文

    0下载:
  2. 20世纪90年代,贝尔实验室的Vapnik教授第一次提出支持向量机(Support VectorMachine,SVM)的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法,它以结构风险最小化原则代替经验风险最小化原则,同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力,解决了小样本、非线性和维数高等难题,并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
  3. 所属分类:图形/文字识别

    • 发布日期:2018-04-30
    • 文件大小:4.93mb
    • 提供者:小懒猫
搜珍网 www.dssz.com