搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
BayesianNetworksTools
- 贝叶斯网络的一个很好用的工具箱，基于matlab7.0版本。有stanford大学的一个博士生编写；属于源代码开放性质。-Bayesian network of a good toolbox, for matlab7.0 version. Stanford university has a doctoral preparation; Belong to the open nature of the source code.
bayes
- bayes数据挖掘；基于贝叶斯定理的分类方法
Bayes_1
- 首先，对CATEGORY中的txt文件分类； 其次，对多个txt文件中的英文文本进行分词； 最后，通过贝叶斯公式进行分类；-First, in the txt file CATEGORY classification Secondly, multiple txt files in English text word Finally, by Bayes formula to be classified
work_for_pattern_recognition
- 通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
beiyesi
- 1 通过实验，掌握多元正态分布的最大似然估计； 2 掌握多元正态分布下的最小错误率的贝叶斯分类； 3 对其他的参数估计有更深的认识。 -1 experiment, master multivariate normal distribution maximum likelihood estimation 2 multivariate normal distribution under the minimum control error rate Bayesian classifier
Bayes-Classifier-Association-Rules
- 朴素贝叶斯分类是一种简单而高效的分类模型，然而条件独立性假设在现实中很少出，致使其性能有所下降。通过引入关联规则，从两方面来改善朴素贝叶斯分类的性能。一方面，通过对关联规则的挖掘，发现条件属性之间的关联关系，并且利用这种关联关系弱化朴素贝叶斯的独立性假设；另一方面，通过关联规则的置信度，给朴素贝叶斯加权。 -Naive Bayesian classifier is a simple and efficient classification model, the conditional indep
Minimum-Bayes-classifier-error-rate
- 这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度
Minimum-Risk-Bayes-classifier
- 这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从
gender-classification-experiments
- 这是用身高体重数据进行性别分类的实验。 用最小错误率贝叶斯分类器决策时，首先通过比较概率大小判断一个体重身高二维向量代表的人是男是女，然后再逐一与已知性别的数据比较，就可以得到错误率的统计。然后改变先验概率，重复上面的过程，观察数据结果的变化。 用最小风险贝叶斯分类器决策时，首先求出用最小错误率贝叶斯分类器得到的条件概率；然后根据人为给定的决策表，根据公式算出条件风险；然后逐一比较条件风险，找出使条件风险最小的决策（也就是分类）。最后用分类得到的结果逐一比较已经知道的原始数据，统计处错误
Comparison-of-Bayesian-and-fisher
- 训练错误率和交叉验证错误率相等，在样本比较大时，这个结果是可以预期的；训练错误率一般低于测试错误率，但是当样本数据比较少时，实验也出现了意外，样本多的那组测试错误率比样本少的训练错误率还要小；在本实验中，同组数据的交叉验证错误率比独立测试错误率高，这个反常现象是因为样本的原因所致，交叉验证的样本小，而独立测试时所用训练样本数目大，因而出现这种情况。分类线上，fisher准则是一条直线，而贝叶斯分类器实际上是一个类似椭圆的封闭曲线；很明显，贝叶斯分类器比fisher分类器要好。-Training
Pattern-Recognition2
- 清华模式识别第二次作业，采用dataset2.txt 数据作训练样本，采用身高与体重特征进行性别分类，建立最小错误贝叶斯分类器；2、采用身高体重数据作为特征，以 dataset2.txt 作为训练数据，用 Fisher 线性判别方法设计分类器；3、从多层感知器、SVM、近邻法选择一种方法，进行上述的分类实验；-Tsinghua second operation pattern recognition using dataset2.txt data for training samples, us
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
work
- 1) 以身高为例，画出男女生身高的直方图并做对比； 2) 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3) 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4) 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1) taking height as an example, draw the histogram of male and f
SpatialModels
- 区域健康和死亡率变化的贝叶斯模型；彼得·康登，统计和地理中心，QMUL(Bayesian models for area health and mortality variations; an overview Peter Congdon, Centre for Statistics and Dept of Geography, QMUL)
bayes_C++
- 贝叶斯分类器-联合变量_C++，只需更改样本文件名即可测试。(The Bias classifier - the joint variable _C++, can be tested only by changing the name of the sample file.)
bayes_independent variable _C++
- 贝叶斯分类器-独立变量_C++，只需更改样本文件名即可测试。(Bias classifier - independent variable _C++, can be tested only by changing the name of the sample file.)
bayes_independent variable _matlab
- 贝叶斯分类器-独立变量_matlab，只需更改样本文件名即可测试。(Bias classifier - independent variable _matlab, can be tested only by changing the name of the sample file.)
bayes_joint variable _matlab
- 贝叶斯分类器-联合变量_C++，只需更改样本文件名即可测试。(The Bias classifier - the joint variable _C++, can be tested only by changing the name of the sample file.)
bayes_analyse
- 基于代价敏感的朴素贝叶斯二分类对于不均衡数据的处理(Cost sensitive naive Bayes two classification for unbalanced data processing)