搜索资源列表
BYEHLY
- bp算法及改进bp算法,已测试,附带说明文档()
knn
- 模式识别中的k近邻算法,经过测试,运行结果很好。 最小距离分类器 : 它将各类训练样本划分成若干子类,并在 每个子类中确定代表点 。测试样本的类别则以其与这些代表点距离最近作决策。该方法的缺点是所选择的代表点并不一定能很好地代表各类,其后果将使错误率增加。(The k nearest neighbor algorithm in pattern recognition has been tested and the result is very good. Minimum distance c
慢特征分析算法包
- 该算法旨在提取输入信号中的变化最缓慢的特征信号,即反映本质特性的信号。其中包含测试、简介、使用说明等。
boston_housing
- 采用机器学习预测房价.使用波士顿房屋信息数据来训练和测试一个模型,并对模型的性能和预测能力进行评估。(Using Machine Learning to Predict House Prices)
核主元分析(Kernel principal component analysis ,KPCA)在降维、特征提取以及故障检测中的应用
- 主要功能有: (1)训练数据和测试数据的非线性主元提取(降维、特征提取) (2)SPE和T2统计量及其控制限的计算 (3)故障检测 KPCA的建模过程(故障检测): (1)获取训练数据(工业过程数据需要进行标准化处理) (2)计算核矩阵 (3)核矩阵中心化 (4)特征值分解 (5)特征向量的标准化处理 (6)主元个数的选取 (7)计算非线性主成分(即降维结果或者特征提取结果) (8)SPE和T2统计量的控制限计算