搜索资源列表
虹膜身份识别技术
- 介绍了当前最有发展前景的生物特征识别技术一虹膜身份识别技术，它包括虹膜图像的获取、预处理、特征提取与编码以及分类几个步骤。详细介绍了当今具有代表性的虹膜识别算法，指出各种算法的特点并比较其优劣。最后，针对 虹膜识别技术存在的主要问题分析了虹膜识别的发展方向，即精度高、速度快、鲁棒性好的定位算法，高效的特征提取方法，机器学习的分类方法，虹膜图像的质量评价方法，不完整、不合作情况下的虹膜识别研究以及活体虹膜检测等。
libsvm-3.1
- SVM是一种常用的模式分类机器学习算法，以效率高准确度高闻名于世，libsvm和svmlight是常用的两种SVM实现方法。 这个是台湾林智仁写的，有各种语言版本-SVM is a common pattern classification machine learning algorithm, known to high accuracy, high efficiency, libsvm and svmlight are two commonly used SVM implementation
IrisDC06
- 分类是数据挖掘 、机器学习 和模式识别 中一个重要的研究领域。分类的目的是学会一个分类模型 (称作分类器)，该模型能把未知类别的数据项映射到给定类别中。目前发展较成熟的几种分类算法 如决策树、神经网络、贝叶斯方法、遗传算法等。分类具有广泛的应用，例如医学诊断、信用卡系统的信用分级、图像模式识别等。本毕业设计通过使用鸢尾属植物(IRIS)数据集，对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。-Classificatio
A-tutorial-on-spectral-clustering
- 机器学习的各种算法，与实现 如谱分析 ，随机森林，分类器，线性分类器-machine learning and artifical intelligence spectrum anysis ramdom forest and linear classification
java_gbdt-master
- 机器学习算法-GBDT算法，也被称作GBRT算法，常用于各种分类和预测问题，能够取得不错的结果--GBDT Algorithm machine learning algorithm, also known as the GBDT algorithm, commonly used in a variety of classification and prediction problems, able to achieve good results
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
3.贝叶斯分类器
- 贝叶斯定理是用数学的方法来解释生活中大家都知道的常识，而机器学习使用的各种算法中，最常见的就是贝叶斯定理。此代码为贝叶斯分类python代码，包含高斯贝叶斯分类器，多项式贝叶斯分类器和伯努利贝叶斯分类器，并有具体的数据例子进行仿真比较(Bias's theorem is a mathematical way to explain all the common sense in life, and machine learning using various algorithms, the mos
machine language learning(1)
- 机器学习实战中 各种常见算法 分类 回归 无监督学习 包括源代码的数据库(A variety of common algorithm classification regression unsupervised learning including source code database in machine learning)
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)