搜索资源列表
bp
- 分类器，对点进行分类，人工神经网络，使用后向传递函数,back propagation-bp classification
perception
- 感知器实现分类器设计，对点进行分类。只可以进行线性分割。-perception classification.linear classification.
rbf
- 分类器，径向基函数实现，使用matlab,待分类函数点可自行修改。-RBF classificaiton written in matlab
svm
- 分类器，支撑向量机实现，可以计算最优平面，matlab编写-SVM classification，written in matlab
TCA-AAAI2012-version2.0
- 首先从一个源域中获得标记文本数据，然后对目标域自动训练文本分类器从而实现跨域的文本分类-automatically train a precise text classifier for a target domain by using labeled text data from a related source domain.
NB
- 朴素贝叶斯分类器，Data为总数据矩阵,Train_Dat为训练样本,Test_Dat为测试样本，用来实现对测试样本进行分类~可以从UCI下载数据调用使用~-Naive Bayes classifier, Data for the total data matrix, Train_Dat of training samples, Test_Dat test sample, the test samples were used to achieve the classification of ~
chapter5
- 基于BP_Adaboost的强分类器设计——公司财务预警建模-Design BP_Adaboost strong classifier based- the company' s financial early warning modeling
chapter15
- SVM的参数优化——如何更好的提升分类器的性能-SVM parameter optimization- how to better enhance the performance of the classifier
knn
- K近邻（KNN）：分类算法KNN是non-parametric分类器（不做分布形式的假设，直接从数据估计概率密度），是memory-based learning KNN不适用于高维数据（curse of dimension）-K-Nearest Neighbor (KNN): Classification Algorithm. KNN is a non-parametric classifiers (not to assume that the distribution of forms, fr
WekaUse
- Weka各类分类器的使用（Java）.MyEclipse2013+Weka3.6+libsvm3.18+Jdk1.7+Win8.1-Weka various types of classifiers using (Java). MyEclipse2013+Weka3.6+libsvm3.18+Jdk1.7+Win8.1
Determination-SVM-classifier-
- 交叉验证的实现，判定SVM分类器 支持向量机SVM(Support Vector Machine）是一种可训练的机器学习方法。-The realization of cross-validation to determine SVM classifier support vector machine SVM (Support Vector Machine) is a machine learning method trainable.
SVM
- SVM: 一种分类器，采用最大化分类间隔进行优化参数。 关于这个分类器两点比较重要： 1）SMO优化算法需要掌握， 可以具体参看两篇文章，John Platt的文章 以及“Improvements to Platt s SMO algorithm for SVM Classifier Design” 2）核函数的使用，如何将核函数使用到SVM中，核函数就是空间转换的函数， 说白了就是距离计算函数，如何将同类之间的距离计算的比较近，如何将低维空间转换到易于分类的高维空间
SVM
- 支持向量机matlab 实现 数据分析 分类器-Support vector machine matlab achieve
stprtool_v2.12
- 统计模式识别工具箱(STPRTool 版本2.12 2013-09-12) 功能有线性判别函数、特征提取、密度估计和聚类、支持向量机、贝叶斯分类器、交叉验证等-Statistical Pattern Recognition Toolbox Methods: Fisher,PCA,GMM,K-means,SVM,Bayes classifier,Cross-validation,KNN,etc.
Fisher1
- Fisher线性分类器的设计,1、掌握Fisher线性判别方法；2、掌握Bayes决策的错误率的计算；3、掌握分类器错误率的估算方法。 -The design of Fisher.
bpadaboost
- 基于神经网络的Adaboost,即基分类器是神经网络，经过测试，效果好！-Based on neural network Adaboost, that is a neural network-based classification , tested , good results !
svm
- SVM分类器，做的是模式识别的内容，两类四类分类器都有-SVM classifiers do is pattern recognition content classifier has four categories
Naivebayes-classification
- 简单朴素贝叶斯 分类器，针对数值型和名称型属性的分类基本算法。-Simple bayesian classifier, in view of the numeric type and name attributes the classification of the basic algorithm.NaiveBayesSimple.java * Copyright (C) 1999 University of Waikato, Hamilton, New Zealand
fenleiqi
- 一种基于神经网络的分类器，可以解决各种分类问题。-Based on neural network classifiers can solve classification problems.
BP-classifer
- 一个基于BP神经网络的分类器处理IRIS数据。-A classification based on BP neural network processing IRIS data.