搜索资源列表
dbacl.tar
- dbacl是一个通用目的的digramic贝叶斯文本分类器。它可以学习你提供的文本，接着用 学到的类别来比较新的输入。它可以用于垃圾邮件过滤，或在你自己的外壳脚本中使用。 -dbacl is a general-purpose text digramic Bayesian classifier. It can learn to provide you with the text, then uses learned relatively new type of input. It can be
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
publictran
- 用Matlab人工神经网络工具箱预测公交客流量，数据可以输入成文本形式，改变数据和精度即可使用。
LDAForTextClassification
- 使用变分EM方法实现的LDA文本模型 输入为文本即可 分解实现，含多个小函数可单独使用-LDA For Text Classification
nineGrid(aStar)
- 九宫格 人工智能 小程序！ 使用方法： 在debug文件夹下面有两个 文本文件 相当于配置文件，作为程序的输入变量配置！-Small squares of artificial intelligence program! Usage: debug folder in the following two configuration files is equivalent to a text file as input variables to configure the procedure!
kNNalgorithm
- 采用KNN分类算法对输入的文本数据进行自动分类-KNN classification algorithm using the input data for automatic classification of text
docProcess
- 获取文档集合的向量空间,输入文本文件集合，程序按照tfidf权重计算每个文档中每个词的权重。最后输出所有文档的特征向量。-acquire the vector space of documents
VC2
- 这一节是人机交互的基础.所谓人机交互,说通俗点就是与机器对话.然而我们现在的技术还不能像科幻片里一样与机器人直接说话就行了.所以,我们的操作意图还得通过文本输入,命令按钮等等来实现.-This section is the basis of human-computer interaction and dialogue with the machine so-called human-computer interaction, the popular point. However, our te
Hannoi
- 输入层高，即可一步一步移动，最后生成文本文件，移动的所有过程。-Enter the story, you can move step by step, and finally generate a text file, move all the processes.
TSP
- 人工智能中的经典算法，TSP模拟退火算法。本程序简单实现了的用模拟退火算法实现了旅行商问题。只需在文本cities中输入各个城市之间的距离，运行程序后就可以求出旅行各个城市的最短距离。适合学习人工智能和对该算法有兴趣的同学使用。-Classic artificial intelligence algorithm, TSP simulated annealing algorithm. The program is simple to achieve with simulated annealing
Text-Classification_libSVM
- 用seg进行分词 输入参数一：输入文本语料所在的文件夹路径。 如 文本文件语料都放在 train//text 文件夹下，则参数为：train//text//* 。 注意：必须每篇文章在一个txt文本中。 输入参数二：输入存储分词后的结果文件所在的文件夹路径：如：result//text。注意：不需要加* 本工具采用了中科院的中文分词工具，ICTCLAS，请自行到ICTCLAS官网下载该工具。并把Data文件夹，Configure.xml，ICTCLAS30.h，ICTCLAS3
utf8''Traffic-sign-recognition
- 项目基于Tensorflow进行实现。 #### 文件说明： --- * input_data.py: 图片的输入 * traffic_sign_cnn.py: 用cnn进行训练分类 * testDemo.py: 用于测试已经训练出来的模型，输入单个图片输出结果，并分类到文件夹 #### 数据集说明： --- * 这里是列表文本使用的是比利时的交通标志数据集，可以网上自己找，里面有62个分类。 #### 网络说明： --- *