搜索资源列表
New_Kdd1
- 特征选择算法的java 实现,并且使用Jfreechart实现图形显示 -feature selection algorithm to achieve the java, and the use of graphics to achieve Jfreechart
Kdd
- 特征选择算法的改进．．．比较实践证明是个优秀的算法-feature selection algorithm improvements. . . Practice has proved that it is more an outstanding Algorithm
zhi2000-IC
- 城市通智能2000-IC卡停车场系统具有智能化服务、专业化运作、企业化经营、专营化管理四大显著特征。而实现这一系统的智能化、现代化，最优的选择就是IC智能技术。
chuankou
- 实现窗口继承的方法 创建窗口的步骤 窗口继承的方法 窗口各区的用途 打开窗口对象花瓣的区域 窗口各属性表页的功能 窗口基本特征属性页 窗口特性的 选择 窗口的 类型和特点
feature_selection
- 弹性模板匹配算法中的特征选择.pdf 弹性模板匹配算法中的特征选择.pdf
Featureselectiontodiagnoseabusinesscrisisbyusingar
- 用遗传算法进行特征选择并优化支持向量机的核函数参数和惩罚因子
New_Kdd8074
- 基于JAVA实现的特征选择算法，并且使用Jfreechart实现图形显示-JAVA-based feature selection algorithm to achieve, and the realization of the use of graphical display Jfreechart
1
- 修复后台修改未激活及未审核的会员时,提示类型不匹配 修复会员中心查找好友里查看在线用户,链接空间地址不正确 修复相关链接不指定模型时,调用出来的链接会错乱 修复sql标签如果调用keywords字段,调用出来的链接都成了一个了 修复后台邮箱发送,收到的信件会出现html代码问题 加强后台木马检查文件KS.CheckMM.asp,加入一些常见的特征码,建议定期用此功能扫描下您的网站 修复company/show.asp页面会显示未审核的供求信息 修复系统函
jcbir
- 谷歌的图像检索源程序，能提取图像的特征，并用你选择的图像来检索类似的图像。-Google image retrieval source program, can extract the image characteristics, and the image you choose to retrieve similar images.
metricMST
- 对数据集进行特征选择，寻找数据集 之间的相关性。主要方法根据信息熵构建无向图，然后对无向图进行最小剪枝，从而找到数据集之间的相关性-The minimum spaning tree
FeatureSelection
- 一种对于文本的特征选择方法集合。对于txt数据，建立索引之后，提取其中词语的一些统计特性，包括tf,df,tf-idf,tv,tc等等，并将结果存储在数据库之中。-For txt data, index, the extract some of the words in the statistical properties, including tf, df, tf-idf, tv, tc, etc., and the results being stored in a database.
system
- Java技术调用Weka中新开发的算法设计实现了一个基于上述特征选择和规则提取的在线数据挖掘分类系统，可实现数据的自动分类、数据规则提取以及数据预测等功能，满足用户通过Web实现在线规则提取、数据类别预测等数据挖掘需求。-depending on weka ，attribute selection classification
class
- 中文文本分类可以对已经分好词的文本进行分类，先自己导入数据，用libsvm中的svm进行分类和预测，特征用tfidf算法，还利用卡方检验进行了特征选择，可自行设定阈值-text mining
CanopyExm
- Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值 T1>T2来处理。 Canopy聚类算法能快速找出应该选择多少个簇，同时找到簇的中心，这样可以大大优化 K均值聚类算法的效率 。-Canopy is a clustering algorithm to group objects into simple categories, fast, accurate method. Each obj
calcrange
- 该源码为特征选择 从高维数据降低到低维数据-The source code for the feature selection to reduce the high-dimensional data low-dimensional data
writeXLS
- 功能是从高维数据降低到低维数据，特征选择的过程-The source code for the feature selection to reduce the high-dimensional data low-dimensional data
Datamining
- 数据挖掘特征选择,选择文本中的特征词语来分析文本-Data mining feature selection
tezheng
- 面向文本分类的特征选择方法，java语言开发-Feature selection method for text classification, java language development
weka
- 机器学习调用weka的jar包实现的源码，包含朴素贝叶斯,决策树,ID3,以及特征选择的源码，数据集使用weka的数据集，需要使用arff文件读入。-Weka machine learning to call the jar package implements the source, including Naive Bayes, decision trees, ID3, and features selected source dataset weka data set, you need t