搜索资源列表
模式识别的一些预处理
- 模式识别的一些预处理，包括：图像压缩的例子：行程编码算法RCL， 手写体数据变换成像素位图的算法。-some pretreatment pattern recognition, including : Image Compression examples : RCL itinerary coding algorithm, handwritten data transformation into pixel bitmap algorithm.
ringnetworks
- 源文件为个人用于优化环形网络的遗传算法程序代码，用于硕士毕业论文。压缩文件中一个是C程序代码，一个是数据文件。调试正常。-source document for personal ring network to optimize the genetic algorithm code for the master's thesis. Compression document is a C code, is a data file. Debugging normal.
ANN-predict
- 使用单层神经网络对中国国有企业的产值数据进行预测，压缩文件中包括数据文件和相应详细说明。-single use neural networks to China's state-owned enterprises output data for the forecast, compressed files, including data files and the corresponding details.
discriminable_matirx_builder
- 实现了粗糙集理论的可辨识矩阵的生成，输入为一个文本文件的数据方阵，以数据之间用Tab分开，用回车键分行，用Skowron用可辨识矩阵的方法实现对不分明类的生成。压缩包里面还有一个测试数据。-realization of the rough set theory of identification matrix generation, import text files to a data matrix. Data used to Tab between the separate branches
BP神经网络源程序及训练样本
- 人工神经网络\\神经网络的程序和训练数据 解压缩后可以运行的-ANN \\ neural network training procedures and decompress data after the run
GASVM.用遗传算法进行特征选取和svm参数优化的程序
- 用遗传算法进行特征选取和svm参数优化的程序。遗传算法工具箱goat已在压缩包 需要安装libsvm就可以直接运行。数据集采用UCI中的german数据集，并完成归一化操作,Genetic algorithm with feature selection and parameter optimization svm procedures. Genetic Algorithm Toolbox in goat need to install libsvm package can be run dir
classification
- 该程序包实现了几个常用的模式识别分类器算法，包括K近邻分类器KNN、线性判别方程LDF分类器、二次判别方程QDF分类器、RDA规则判别分析分类器、MQDF改进二次判别方程分类器、SVM支持向量机分类器。 主程序中还有接口调用举例，压缩包中还有两个测试数据集文件。-The package to achieve a number of commonly used pattern recognition classifier algorithms, including K neighbor class
guanlianguize
- 本压缩文件是一些有关于人工免疫算法在数据挖掘中的关联规则挖掘进行应用的参考论文，希望能够对在这方面进行研究的人有所帮助。-association rules mining
1
- 人工神经网络\神经网络的程序和训练数据 解压缩后可以运行的 -Artificial Neural Networks \ neural network procedures and training data extracted can run
smo
- 本代码实现了支持向量机中的smo算法，压缩包中包含测试数据格式，能直接运行和测试其他符合格式的数据，便于研究支持向量机。-This code implements support vector machine in the smo algorithm included in the package test data compression format, can be directly run and test the other line formats, to facilitate res
Clip_Nearest_neighbor_method
- 对“data3.m”数据，采用剪辑法、压缩法生成参考集，近似描绘其决策面，并用所有数据测试其分类效果。-The "data3.m" data, using the clip method, compression method to generate a reference set, approximate portrayed its decision-making surface, and all the data to test their classification.
cs_explain_radar
- 压缩感知在雷达中的应用 很好的一个介绍 雷达成像中惯用的方法是匹配滤波，它之所以 能够处理低信噪比的问题，是因为它利用了回波数据的冗余信息。也就是目前雷达成像算法之所以成功的关键是具有足够 多的冗余信息。现在，在雷达成像中使用压缩感知恰好是反其道而行-Compressed Sensing(CS)theory is a great breakthrough of traditional Nyquist sampling theory，it accomplishes cornpressive
som
- 编程实现SOM网络矢量量化方法，进行图像数据压缩-Programming to achieve SOM network vector quantization method, image data compression
fuzzynet
- 用Matlab实现的模糊神经网络模型，用于检测和评价水质情况，并进行预测，压缩包里包含了数据集和源程序。具体的应用可以根据用户的需求稍作更改，可用于分类。-Using Matlab fuzzy neural network model for the detection and evaluation of water quality, and to predict the compressed bundle contains the data sets and the source. Speci
LIBSVM
- 利用matlab读取libsvm的工具包，实现数据的自动分类。压缩包里有训练文件及测试文件。-Read libsvm using matlab toolkit, automatic classification of data. Compression bag has training documents and test files.
Linear-Regression
- 线性回归的学习算法。包括数据分析、线性回归、在线梯度下降、多项式回归。压缩包中给出.txt数据文件及说明文档。-Linear regression learning algorithm. Including data analysis, linear regression line gradient descent, polynomial regression. Compressed data given .txt file and documentation.
新建 WinRAR 压缩文件
- 为SOM神经网络程序 addon.m为距离函数和拓扑函数示例。(For the SOM neural network program Addon.m is an example of distance functions and topological functions.)
MNIST数据集
- 利用pycharm对mnist数据哭进行直接解压缩操作，得到所有的图片和标签(Using pycharm to wept MNIST data directly, get all the pictures and labels)
MNIST_data
- MNIST数据集是一个手写体数据集，这个数据集由四部分组成，分别是一个训练图片集，一个训练标签集，一个测试图片集，一个测试标签集；我们可以看出这个其实并不是普通的文本文件或是图片文件，而是一个压缩文件，下载并解压出来，我们看到的是二进制文件。其中包含60000张手写体识别数字图片。(MNIST data set is a handwritten data set, which consists of four parts: a training picture set, a training l
压缩感知OMP算法
- 压缩感知经典算法——OMP重构算法，可以实现数据的压缩和重构。。。。。。