搜索资源列表
模式分类
- 该程序可以对二维三类样本进行分类，并画出分界面．学习过模式识别的人必看．要学习神经网络的人必看，代码简单，实用性强-the procedure three samples of two-dimensional classification and paint interface. Learning the pattern recognition Watchable. To study the neural network Watchable, code simple, practical
多维函数优化程序
- 用JAVA语言编写，包括PSO（Particle swarm optimization, 中文译名为粒子群优化或微粒群算法), DE (Differential evolution, 中文译名为差分进化或差异演化)等算法，有一些不带约束和带约束的算例（如Michelawicz的几个问题）。使用说明见usage.txt、RUNExample.bat和程序中的注释。 -with Java language, including the PSO (Particle swarm optimizat
dimension_zxecf
- 用最小二乘法计算分形图案的维数。试试看怎么样。请多包涵！！ -least squares method used fractal pattern dimension. Try how kind. I feel apologetic for this! !
percepron
- 1.感知器对于线型可分问题的收敛性证明 2.用感知器对线型可分得问题进行分类 1)分三类的问题 2)一组10维数据的分类 3．用感知器对线型不可分的问题进行分类及 不能正确分类的原因证明 说明： 1.运行程序不仅能得到分类的结果，还能够得到网络性能分析的结果 2.matlab7.0下实现
K－均值聚类算法C++编程
- K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。-K-means clustering algorithm programming. Point by point, inc
Fractal
- 分形与图形设计，有Julia集，Mandelbrot集，Newton迭代以及三维混沌吸引子设计出的图像-Fractal and graphic design, there are Julia sets, Mandelbrot set, Newton iteration, as well as the design of three-dimensional chaotic attractor of the image
Image_Feature_Selection_Method_Based_on_Immune_Enc
- 针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(IACA). 该方法借鉴生物免疫系统的抗体分 子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度 从集合的角度研究并且定义了特征之间的包含和互补关系 并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则 最终实现了寻找最优特征子集的算法IACA ,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的“免
sfrz
- 基于等距映射( ISOMAP) 非线性降维算法, 提出了一种新的基于用户击键特征的用户身份认证算法, 该算法用测地距离代 替传统的欧氏距离, 作为样本向量之间的距离度量, 在用户击键特征向量空间中挖掘嵌入的低维黎曼流形, 进行用户识别。用采集 到的1 500 个击键模式数据进行实验测试, 结果表明, 该文的算法性能优于现有的同类算法, 其错误拒绝率( FRR) 和错误通过率 ( FAR) 分别是1.65 和0 , 低于现有的同类算法。-Based isometric map (ISO
SVM_MATLABdaima
- SVM算法 SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能-SVM algorithm
fractal-dimension
- 使用分形维数快速进行特征选择的经典论文，其核心的方法是盒子计数计算分形维数-The fractal dimension of the fast feature selection of classic papers, the core of the method is the box counting calculation of the fractal dimension
TasoulisV2005b
- 非监督聚类的方法，该论文描述如何使用分形维数进行聚类判定准则，从而达到理想的聚类效果，经典论文-Unsupervised clustering method, the paper describes how to use the fractal dimension of the clustering criteria, in order to achieve the desired clustering effect, the classic paper
SVM
- SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题．这是一本介绍SVM方法的应为资料-SVM method is a non-linear mapping p, the sample space is mapped into a high-dimensional and even infinite dimensional feature space (Hilbert sp
poisson
- 利用快速傅里叶分解法求解二维泊松方程的fortran程序-Fortran program using the fast Fourier decomposition method for solving 2D Poisson equation
331
- 针对齿轮箱振动信号的非平稳性和非线性, 提出一种多重分形和支持向量机相结合的故障 诊断方法。运用多重分形理论方法对齿轮振动信号进行分析, 通过分析发现多重分形谱和广义维数作 为故障特征能够很好地反映齿轮箱的工作状态 对支持向量机的参数利用粒子群优化算法进行优化, 并 将齿轮箱振动信号的多重分形特征量作为支持向量机的输入参数以识别齿轮的故障类型。实验结果表明, 该方法在样本较小的情况下能够准确对齿轮箱的故障类型进行分类-Gearbox vibration signal of non-s
DE
- 这是我本科时借鉴国外一个朋友的源码优化的差分进化算法程序，能求多维最优值问题，并给出了优化模拟动画程序，使用方法见文件夹里的说明文档。-An algorithm program called Differential Evolution that can solve optimizing problems.
SVM
- SVM，实现线性可分二维数据和线性不可分二维数据的分类。svm的应用：垃圾邮件的分类。-SVM, realized linearly separable two-dimensional data and linear inseparable two-dimensional data classification. svm applications: spam classification.
easymesh
- 这是一个提供二维区域Delaunay三角形剖分的 C语言程序。能够对于由折线围成的多空洞、多介质区域，生成指定局部加密的Delaunay三角形剖分。-This is a two-dimensional region to provide Delaunay triangulation of the C language program. The broken line surrounded by long and short hole, multi medium region, generatin
perceptron_basic
- 感知机基础实现，数据是二维线性可分数据,数据样例随机生成的-realise of basic perceptron
perceptron_dual
- 感知机算法的对偶形式，数据已经在文件中集成，数据是二维线性可分数据，运行产生超平面分类-Perceptron algorithm dual form, the data has been integrated in the file, the data is linearly separable two-dimensional data, run generating hyperplane classification
Support-Vector-Machine
- SVM主要是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。-SVM is mainly for the analysis of linear separable cases. Linearly indivisible cases are transformed into high dimensional feature spaces lin