搜索资源列表
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
algorithms
- 分类算法是统计学分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naï ve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，且方法简单、分类准确率高、速度快。-The classification algorithm is the statistical classification, it is a knowledge of probability and statistics classification alg
gpml-matlab-v3.6-2015-07-07
- 这是一个高斯过程回归和分类工具箱，功能非常齐全，可以为解决高斯过程相关的问题提供很多帮助- GAUSSIAN PROCESS REGRESSION AND CLASSIFICATION Toolbox version 3.6 for GNU Octave 3.2.x and Matlab 7.x Copyright (c) by Carl Edward Rasmussen and Hannes Nickisch, 2015-07-07. 0) HOW
influence-of-parameter-in-SVM
- 验证SVM中惩罚系数C与高斯核宽度系数g对于其分类性能的影响-Test the penalty parameter C and the the gaussian kernel factor g for classification influence of SVM
juiting_V5.3
- 研究生时的现代信号处理的作业，可以实现模式识别领域的数据的分类及回归，高斯白噪声的生成程序。- Modern signal processing jobs when the graduate, You can achieve data classification and regression pattern recognition, Gaussian white noise generator.
GPML
- 该程序是高斯过程的经典程序，可用于过程分类和预测-Gaussian Processes for Machine Learning
fenjei
- 高斯白噪声的生成程序，计算两个矩阵之间的欧氏距离，Relief计算分类权重。- Gaussian white noise generator, Calculation of the Euclidean distance between the two matrices, Relief computing classification weight.
ningnei_v19
- 包括回归分析和概率统计，高斯白噪声的生成程序，可以实现模式识别领域的数据的分类及回归。- Including regression analysis and probability and statistics, Gaussian white noise generator, You can achieve data classification and regression pattern recognition.
gpr_ME
- 高斯过程回归，适用于初学高斯过程回归和分类的同学，有完整的实例与多种辅助函数说明,例如用高斯过程回归进行信道的盲均衡。对于高斯过程回归与分类的进一步学习有很大的帮助。-Gaussian process regression, suitable for beginners gaussian process regression and classification of the classmate, a complete instance and a variety of auxiliary fu
SVM
- 支持向量机分类程序，使用高斯核函数，SMO顺序最优化算法，为学习SVM提供参考-SVM program, using a Gaussian kernel, SMO sequence optimization algorithm to provide a reference for learning SVM
GP
- 基于贝叶斯理论的高斯过程代码，包含高斯过程回归分析，以及相关噪声处理和高斯过程分类，提供数据进行测试，-Gauss procedure code based on Bayesian theory, including Gaussian process regression analysis, and related processing and noise Gaussian process classification, to provide data for testing, etc.
Softmax
- 一个小demo,用softmax实现数据分类，数据有4类，均服从高斯分布-A small demo, a classifier with softmax softmax is implemented to classify 4 classes of datas which are generated by gaussian distribution
Classifier-based-Softmax
- 一个小demo,用softmax实现数据分类，数据有4类，均服从高斯分布-A little demo, a classifier with softmax softmax is implemented to classify 4 classes of datas which are generated by gaussian distribution
SVM
- 机器学习中SVM(支持向量机)源码,对比不同高斯核函数和不同惩罚因子对支持向量机分类的结果的影响。-SVM source code of machine learning
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
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
2
- 通过随机产生高斯分布数据，来对数据进行分类。(The data are classified by random generation of gaussian distribution data.)
EM Algorithm
- 通过使用EM算法来实现混合高斯的分类,有比较好的效果，很直观的可以展示，对于初学者很有帮助(Through the use of EM algorithm to achieve the classification of mixed Gaussian, have better results, very intuitive to display, helpful for beginners)
multigp-master
- 高斯过程多输出，有很多的例子。包括回归、分类等(GPR multiple output)
2
- （a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上运用感知器算法，并且使用不同的初始向量初始化参数向量。 （c）测试每一次算法在和上的性能。 （d）画出数据集和，以及分类面。((a) Generate