搜索资源列表
BP_Adaboost
- 基于BP_Adaboost的强分类器设计-公司财务预警建模-Strong classifier based design BP_Adaboost- Financial Crisis Warning Model
NB_for_text_classification
- 文本分类：朴素贝叶斯分类器例子，采用Multi-Variate Bernoulli Event Model。一个文件为训练，一个文件为测试，采用20newsgroups数据集。-Text classification: Naive Bayes classifier example, the use of Multi-Variate Bernoulli Event Model. A file for training, a file for testing, using 20newsgroups
bayes
- 用Python写的，基于概率论的分类方法，朴素贝叶斯分类器-Written in Python, based on probability theory classification, naive Bayes classifier
svmMLiA
- 机器学习算法，支持向量机，与其他分类器的比较算法-Machine learning algorithms, support vector machines, and other classifiers comparison algorithm
ganyingqi
- 实现两类分类器的感应器,是模式识别学习入门-Two kinds of classifier sensors
Bayes
- 对VOA文档利用贝叶斯分类器来进行分类，并进行正确性测试。-VOA document on the use of Bayesian classifier to classify, and accuracy testing.
rvsvm
- rvsvm实现了C源代码分类器。可以实现大规模数据的分类。-it is classfier.it can classfy the large scale data.
sm
- 计算L-GEM(local generalization error model)中sensitivity measurement，用于衡量分类器对样本分类结果的确定程度-calculate the sensitivity measurement of L-GEM(local generalazation error model), which estimate the certainty of classification result.
OS-ELM
- OS-ELM 分类器，极限学习机应用，可以用于机器视觉应用、图像理解等各方面。-OS-ELM classifier, Extreme Learning Machine Can be used in all aspects of machine vision applications, such as image understanding.
project1_code
- 这是matlab编写的3个常用机器学习分类器代码。其中包括了： 1）PCA 分类其；2）LDA分类器：3）naive贝叶斯分类器。 3个算法的实现参考了《Introduction to Machine Learning》。 除了这3个分类算法的实现外，代码里面还包含了用于测试的main.m 主程序和一个实验的简要报告。实验在著名数据集acoustic_train_data 上进行。-This source code includes the implementation of three f
project2_code
- 这是matlab编写的Logistic Discrimination 和 KNN分类器代码。这两个算法的实现参考了《Introduction to Machine Learning》。 除此在代码中还包含了调用matlab自带的libsvm的例程。rumLogisticDiscrimination， runKnn， runSvm分别对这3个算法在数据集liver_train_data上的分类准确度进行测试。测试结果在code report.doc 中有简要描述。-This code implem
HellokinectMAT
- 感知行为的影响因素包括单个关节的动作和不同关节的组态。因此提出一种新的基于关节的位置差异的特征类型，联合包括静态姿势、动作、位移在内的行为信息进行识别。采用关节在两个时间和空间区域的差异来明确地模拟个别关节动力学和不同关节的组态。然后应用主成分分析（PCA）来获得所需的特征。同时应用非参数的简捷的贝叶斯最近邻（NBNN）分类器进行多类行为的分类。这个NBNN分类器避免了帧描述符的量化，计算“图像到类别”的距离而不是“图像到图像”的距离。15到20帧的数据就足以实现手势以及动作的识别，无需应用整个
A-tutorial-on-spectral-clustering
- 机器学习的各种算法，与实现 如谱分析 ，随机森林，分类器，线性分类器-machine learning and artifical intelligence spectrum anysis ramdom forest and linear classification
naive-bayes-spam-filter-master
- 基于朴素贝叶斯分类器写的垃圾邮件过滤系统-machine learning bayes
knndemo
- K近邻分类器，实现了对iris数据集的分类，并且使用了交叉验证的方法，来验证求得的最优的K值。-K-nearest neighbor classifier to achieve the classification of iris data set and cross-validation of the method used to verify the optimal value of K obtained.
pkupr
- 模式识别 北京大学 本科生课程 课件 （包括贝叶斯模型、最近邻、SVM、线性与非线性分类器、boosting、统计学习、非监督学习等）-Pattern Recognition Peking University Courseware (including Bayesian model, the nearest neighbor, SVM, linear and non-linear classifiers, boosting, statistical learning, unsupervised
Classification_LS_SVMlab
- 基于SVM的分类器 支持两类分类 和多类分类选择最优参数-SVM-based classifier supports two types of classification and multi-class classification
Classification_OSU_SVM
- 基于SVM的分类器 支持两类分类 和多类分类-SVM-based classifier supports two types of classification and multi-class classification
Classification_SVM_SteveGunn
- 基于SVM的分类器 支持两类分类 和多类分类 选择最优参数 -Select the optimal parameters of the classifier based on SVM supports two types of classification and multi-class classification
Regression_LS_SVMlab
- 基于SVM的分类器 支持两类分类 和多类分类 选择最优参数-Select the optimal parameters of the classifier based on SVM supports two types of classification and multi-class classification