搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
work_for_pattern_recognition
- 通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
Bayes-Classifier-Association-Rules
- 朴素贝叶斯分类是一种简单而高效的分类模型，然而条件独立性假设在现实中很少出，致使其性能有所下降。通过引入关联规则，从两方面来改善朴素贝叶斯分类的性能。一方面，通过对关联规则的挖掘，发现条件属性之间的关联关系，并且利用这种关联关系弱化朴素贝叶斯的独立性假设；另一方面，通过关联规则的置信度，给朴素贝叶斯加权。 -Naive Bayesian classifier is a simple and efficient classification model, the conditional indep
Pattern-Recognition2
- 清华模式识别第二次作业，采用dataset2.txt 数据作训练样本，采用身高与体重特征进行性别分类，建立最小错误贝叶斯分类器；2、采用身高体重数据作为特征，以 dataset2.txt 作为训练数据，用 Fisher 线性判别方法设计分类器；3、从多层感知器、SVM、近邻法选择一种方法，进行上述的分类实验；-Tsinghua second operation pattern recognition using dataset2.txt data for training samples, us
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
dynamic-path-planning
- (不错的一篇文章，已被EI收录)模型预测控制（model predictive control，MPC）路径规划算法适用于三维动态环境下的无人机（un-manned aerial vehicle，UAV）路径规划；动态贝叶斯网络（dynamic Bayesian network，DBN）能够有效推理战场态势，对无人机进行威胁评估。针对威胁尾随无人机时的路径规划问题，构建 DBN 威胁评估模型，将 UAV 在战场环境中的威胁态势用威胁等级概率表示，与 MPC 路径规划算法相结合，得到基于 DBN
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
SpatialModels
- 区域健康和死亡率变化的贝叶斯模型；彼得·康登，统计和地理中心，QMUL(Bayesian models for area health and mortality variations; an overview Peter Congdon, Centre for Statistics and Dept of Geography, QMUL)
PR代码及资料
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（注明自己选定的参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. Take the height as an example, draw the histogram of the height of boys a