搜索资源列表
AdaBoost
- Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。-Adaboost is an iterative algorithm, the core idea is the same training set for training different classifiers (weak classifiers), then these weak classifiers together to f
DBScan03
- DBScan算法实现，用Java高级编程语言正确实现DBSCAN算法，DBScan是一种基于密度的聚类算法，它有一个核心点的概念：如果一个点，在距它e的范围内有不少于MinP个点，则该点就是核心点。核心和它e范围内的邻居形成一个簇。在一个簇内如果出现多个点都是核心点，则以这些核心点为中心的簇要合并。最终输出找到的簇及其数据点。-DBScan algorithm, using high-level programming language Java is implemented correctly
SVC
- 建立LibSVM预测模型，基于网格算法、粒子群算法、遗传算法优化了模型参数，并由最终模型预测了给定切削参数下零件的粗糙度等级。-Establish LibSVM prediction model, grid-based algorithm, particle swarm optimization, genetic algorithm to optimize the parameters of the model, the final model prediction given by the c
Wind-Speed-Combined-Prediction
- 针对风电场短期风速的预测提出一种基于小波变换的组合预测方法。首先利用Mallat 算法对短期风速时间序列进行db3 小波三层分解与重构，得到短期风速时间序列的近似分量和细节分量。针对近似分量和细节分量的不同特性，对近似分量利用粒子群算法优化的最小二乘支持向量机进行预测，对细节分量利用自回归求和滑动平均模型进行预测。最后各预测模型预测值组合叠加得到最终的短期风速预测值。仿真结果表明该方法具有较高的预测准确度。-In order to improve short-term wind speed pr
textclustering-master
- 对于大文本进行挖掘聚类，该方法不考虑文字词语出现的频率信息，考虑上下文语境，将所有的字根据预定义的特征进行词位特征学习，获得一个训练模型。然后对待分字符串的每一个字进行词位标注，最后根据词位定义获得最终的分词结果。(Digging for large text clustering, the method does not consider the text word frequency of information, considering the context, all the words
LDA_ FDA_with_tutorial
- LDA降维是常用的降维手段之一，是常用的有监督学习降维工具。这个文件对其产生W后的使用进行了简要说明，使用W进行最终的降维可以得到十分漂亮的分析结果（在数据分布符合假设分析的情况下。）(LDA dimension reduction is one of the commonly used dimensionality reduction methods. It is a commonly used supervised learning dimensionality reduction tool
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime