搜索资源列表
贝叶斯决策
- 实现贝叶斯决策算法，从文件中读出数据，并且会出决策的分布图。-achieve Bayesian decision-making algorithm, which sensed data from the document, and will make the distribution of decision-making.
Machine_Learning_Tom_M.Michell
- 一些机器学习的文档.有贝叶斯,决策树,ga,ann,规则学习,增强学习等ppt介绍文档-some machine learning documents. A Bayesian, decision tree, ga, ann, rule learning, to enhance learning ppt documents introduced
bayes1111
- Bayes分类器设计,对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识-Bayesian classifier design, pattern recognition to a preliminary understanding, According to the design of Bayesian decision theory algorithm has a profound understanding
贝叶斯决策
- 贝叶斯决策
shujuwajuesuanfa
- 基于数据挖掘的决策树改进算法和贝叶斯改进算法，很有用的-Based on data mining and Bayesian Decision Tree Algorithm to improve the algorithm, very useful
classification
- 在具有模式的完整统计知识条件下，按照贝叶斯决策理论进行设计的一种最优分类器。分类器是对每一个输入模式赋予一个类别名称的软件或硬件装置，而贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。-In a model under the condition of complete statistical knowledge, in accordance with the Bayesian decision theory to design an optimal c
bayes
- 贝叶斯决策包含最小风险和最小错误概率两种情况的仿真-Bayesian decision-making included the minimum risk and minimum error probability of the two simulation
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
Pattern_recognition4
- 张学工老师模式识别第四次作业，分别用C均值方法，分层聚类方法和非监督参数下正态分布函数估计的贝叶斯决策对身高体重二维数据进行分类。-Zhang engineering teacher fourth pattern recognition operations, respectively C-means, hierarchical clustering methods, and non-normal distribution function under the supervision of th
Analytical
- 贝叶斯决策代码 贝叶斯原理分类 输入样本数据进行处理 -MATLAB Bayesian
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
贝叶斯决策实现线性样本分类
- MATLAB语言编程，用贝叶斯决策算法实现线性样本分类，输入待分类样本，输出样本分类决策面。(MATLAB programming language, using Bayesian decision algorithm to achieve linear sample classification, input samples to be classified, output samples, classification, decision surface.)
work
- 1) 以身高为例，画出男女生身高的直方图并做对比； 2) 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3) 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4) 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1) taking height as an example, draw the histogram of male and f
模式识别与机器学习3贝叶斯决策理论
- 讲述模式识别与机器学习,贝叶斯决策理论的相关知识,(Bayesian decision theory in narrative pattern recognition)
BreastCancer
- Java实现机器学习经典分类算法，代码中实现了决策树、贝叶斯和KNN三个分类算法(Java implements the classic classification algorithm for machine learning. The code implements three classification algorithms: decision tree, Bayes and KNN)
adult
- 本人课设实现的基于决策树和朴素贝叶斯对Adult数据集进行分类！(Adult dataset is classified based on decision tree and naive bayes!)
贝叶斯判决
- 假定某个局部区域细胞识别中正常w1和非正常w2 两类先验概率分别为： 正常状态：P(w1)=0.9 ； 异常状态：P（w2）=0.1 。 现有一系列待观察的细胞，其观察值为： -2.67 -3.55 -1.24 -0.98 -0.79 -2.85 -2.76 -3.73 -3.54 -2.27 -3.45 -3.08 -1.58 -1.49 -0.74 -0.42 -1.12 4.25 -3.99 2.88 -0.98 0.79 1.19 3.07 两类的类条件概率符合正态分布
基于贝叶斯的图像分割
- 基于贝叶斯的图像分割，使用贝叶斯决策对图像进行分割(Based on Bayesian image segmentation, use Bayesian decision to segment the image)