搜索资源列表
SOM模式提取与分类
- SOM神经网络，可以进行特征提取和模式分类，特别是特征维数较多的情况。-SOM neural network, can feature extraction and classification, in particular characteristic dimension of more.
svm
- 用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取-MATLAB svm prepared by the source, can achieve a support vector machine for the feature classification or extract
Algorithm-SVM-0.11.tar
- 在人工智能中模式识别比较新的分类算法,支持向量机.用于特征分类.-A new classify arithmetic of pattern-recognition in artificial intelligence,use support vecotr machine to classify the characteristic
基于NSVM的SVM分类器
- 基于NSVM的两类SVM分类器，matlab7.1运行通过，main中做了PCA的特征提取、leave one out cross-valiation和5-fold cross-validation（重复10次的平均值）
复杂网络提取图像边缘特征
- 使用复杂网络提取图像边缘特征并进行识别的源代码，采用PCA_LDA算法对特征进行降维分类识别，识别效率很高。鲁棒性好
PCA_LDA.rar
- 《机器学习》课上的作业，PCA和LDA降维，尽管网上很多，但很少注释，另外细节上也没注意。这里有很详细的注释。另外还附上一个Naive贝叶斯分类器，大家可以作比较。附带的图像包是OLR人脸。ReducedDim为想要提取的特征数，不是百分比！," Machine learning" classes on the homework, PCA and LDA dimensionality reduction, even though a lot of online, but f
贝叶斯分类算法
- 贝叶斯分类算法程序，matlab，和那好很好很
MATLA+svm
- 用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取-SVM prepared using MATLAB source code, you can achieve the support vector machine for feature classification or extraction
svml_v092
- SVM,很好用的用于模式识别中特征分类的咚咚。-SVM, a good use for pattern recognition features of the classification of咚咚.
案例1 BP神经网络的数据分类-语音特征信号分类
- 案例1 BP神经网络的数据分类-语音特征信号分类(Case 1 BP neural network data classification speech feature signal classification)
BP神经网络的数据分类-语音特征信号分类
- 利用BP神经网络对样例中语音信号进行分类(The BP neural network is used to classify the speech signals in the sample)
BP神经网络的语音特征信号分类
- 民歌、古筝、摇滚和流行四类不同音乐,用 BP 神经网络实现对这四类音乐 的有效分类。(Folk songs, guzheng, rock, and pop four different kinds of music, using BP neural network to achieve the four types of music Effective classification.)
BP神经网络的数据分类-语音特征信号分类
- BP神经网络的数据分类-语音特征信号分类(BP neural networks for data classification -- speech feature signal classification)
SVM
- SVM分类器的matlab实现，针对提供的花的特征分类，并交叉验证(The matlab implementation of SVM classifier aims at providing the feature classification of flowers and cross validation)
案例1 BP神经网络的数据分类-语音特征信号分类
- 利用BP神经网络的数据分类-——语音特征信号分类(Data classification using BP neural network -- Classification of speech feature signals)
svm分类预测
- wine的数据来源是UCI数据库，记录的是在意大利同一区域里三种不同品种的葡萄酒的化学成分分析，数据里含有178个样本，每个样本含有13个特征向量（化学成分），每个样本的类别标签已给，该程序主要实现意大利葡萄酒种类识别。(The data source for wine is the UCI database, which records the chemical composition of three different varieties of wines in the same area
CNN_matlab
- 卷积神经网络（CNN）是一种深度学习方法，它可以对图像进行识别和特征分类等优点。(The convolution neural network (CNN) is a deep learning method which can identify and characterize the image.)
基于方差和深度学习的脑电信号分类算法
- 从深度学习方面解析脑电信号，通过方差计算脑电特征(Analysis of EEG signals from deep learning and calculation of EEG characteristics by variance.)
BP神经网络的数据分类-语音特征信号分类
- BP神经网络的数据分类-语音特征信号分类(Data classification of BP neural network speech feature signal classification)
SST-CCA
- 对SSVEP信号进行SST，之后再利用CCA进行频率特征分类(SSVEP signal ---- SST, and then frequency feature classification is carried out by CCA)