搜索资源列表
cmean_KNnearestneighbor
- 模式识别中c均值聚类KN近邻法分类器设计-Design of c- means Clustering KN Nearest Neighbor Classifier in Pattern Recognition
Ensemble-Learning
- 集成学习将若干基分类器的预测结果进行综合，具体包括Bagging算法和AdaBoost算法；还有随机森林算法，利用多棵树对样本进行训练并预测的一种分类器-Integrated learning integrates the prediction results of several base classifiers, including Bagging algorithm and AdaBoost algorithm and random forest algorithm, using a t
BP-Adaboost
- BP-Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。-The BP-Adaboost model uses BP neural network as weak classifier to repeatedly train BP neural network to predict the sample output. Adaboost algorithm is used to obtain a
ANN
- 用两层神经网络实现的分类器，一个小demo,随机产生数据并分类-Neural network of two layers is used to implement data classifier, a small demo
ensemble
- 对分类错误的样本所对应权重进行累加得到加权误分类率, 这里我们是基于权重向量而不是其他的错误计算指标来评价分类器的-The weighting of the samples with the wrong classification is weighted by the weighted error rate, where we uate the classifier based on the weight vector rather than the other erroneous met
BP
- 基于BP_Adaboost的分类器，RBF神经网络的回归，GRNN的数据预测，离散hopfield神经网络的分类，LIBSVM的实例解析。-BP_Adaboost classifier, RBF neural network regression, GRNN data prediction, discrete hopfield neural network classification, LIBSVM case analysis.
jboost-code-
- 一种把若干个弱分类器整合为一个强分类器的算法boost的一种改进算法-A kind of integrating a number of weak classifier for a strong classifier algorithm ,it san improved algorithm of the boost
UCIdata
- 神经网络的应用——分类器中常用的分类数据集：乳腺肿瘤识别-That is commonly used in the application of neural network, a classifier classification data sets: breast tumor recognition
nzpojif
- 学进一步了解分类器的设计概念,能够根据自己的设计对线性分类器有更深刻地认识-Learn the further understanding of the classifier design concept, can according to your own design of linear classifier has a deeper understanding
WZUVN
- 模式识别中,对于服从多元正态分布的样本的一个分类器的实现,-Pattern recognition, for the sample of multivariate normal distribution on the implementation of a classifier,
adhv
- 模式识别中,对于服从多元正态分布的样本的一个分类器的实现,-Pattern recognition, for the sample of multivariate normal distribution on the implementation of a classifier,
hogsvm
- 结合HOG特征算子和SVM分类器的目标识别代码，这是一个节点性的贡献(Target recognition code combining HOG feature operator and SVM classifier)
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
NavieBayes github java
- java 朴素贝叶斯 机器学习 情感分类器(java naivebayes machinelearing)
adaboost
- Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这 Adaboost Adaboost 些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。(adboost cluster algrithom)
liblinear-2.0
- Libsvm和Liblinear都是国立台湾大学的Chih-Jen Lin博士开发的，Libsvm主要是用来进行非线性svm 分类器的生成，提出有一段时间了，而Liblinear则是去年才创建的，主要是应对large-scale的data classification，因为linear分类器的训练比非线性分类器的训练计算复杂度要低很多，时间也少很多，而且在large scale data上的性能和非线性的分类器性能相当，所以Liblinear是针对大数据而生的。(Libsvm and Libli
]ORL+PCA+SVM-11
- 编写了用户界面程序实现ocr人脸数据集的识别，使用了svm分类器(A user interface program is developed to realize the recognition of OCR face data set, and the SVM classifier is used)
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.)
byaes
- 与大家分享各种类型贝叶斯分类器，传统贝叶斯分类器(Traditional Bayesian classifier,Bayes_example)
fisher.cpp
- 核Fisher分类器，，，，，，，，，，，(Kernel Fisher Classifier)