当前位置：
首页 资源下载
搜索资源 - minimum risk bayes classifier
搜索资源列表
-
0下载：
使用Matlab实现，包括一维特征最小错误率bayes分类器；二维特征最小错误率bayes分类器；二维特征最小风险bayes分类器以及使用的数据集合。-Using the Matlab implementation, including the minimum error rate of one-dimensional characteristics of bayes classifier two-dimensional characteristics of the minimum error
-
-
0下载：
自己做的贝叶斯分类器，包括基本贝叶斯，最小风险贝叶斯以及Neyman-Pearson决策-Do bayes classifier, including basic bayesian, the minimum risk bayesian and Neyman-Pearson decisions
-
-
1下载：
最小错误率和最小风险贝叶斯分类器，附带示例数据-Minimum error rate and minimum risk Bayes classifier, with sample data
-
-
0下载：
通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
-
-
0下载：
传统贝叶斯分类器，最小错误率贝叶斯分类器、最小风险贝叶斯分类器-Traditional Bayesian classifier, the minimum error rate classifier, minimum risk Bayes classifier
-
-
0下载：
利用贝叶斯实现的分类器小程序，显示出按照最小风险和最小误差分类的结果-Bayesian classifier implemented using a small program to show in accordance with the minimum risk and minimum error classification results
-
-
0下载：
基于bayes准则和fisher准则的线性分类器。bayes是对细胞的判别分类 分为最小错误率和最小风险两种；fisher是对两类进行判别-Bayes guidelines and criteria based on fisher linear classifier. bayes classification is divided into cells, determine the minimum error rate and minimal risk of two kinds fisher
-
-
1下载：
这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。
全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。
调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从
-
-
0下载：
基于正态分布下的最小风险Bayes分类器-Minimum risk Bayes classifier based on normal distribution
-
-
1下载：
本程序主要实现了基于贝叶斯分类的手写数字识别。
1、主程序为recognition.m，运行程序只需打开recognition.m文件运行即可
2、byes算法程序分别在bayes_erzhi.m文件、bayes_leasterror.m文件和bayesleastrisk.m文件中，分别对应着基于二值数据的bayes法的算法和基于最小错误的bayes法的算法和基于最小风险的贝叶斯分类器。
-The program achieved a handwritten numeral reco
-
-
0下载：
概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
-
