[机器学习] K-Means.cpp

说明：模式识别实验，K-means程序 K均值（K-means）是一种聚类算法，属于无监督学习，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含n个d维数据点的数据集X以及要分得的类别K,选取欧式距离作为相似度指标，聚类目标是使得各类的聚类平方和最小。
<artorias123> 上传 | 大小：4kb

[机器学习] GRAPH CONVOLUTIONAL NETWORKS.pdf

说明：论文SEMI-SUPERVISEDCLASSIFICATION WITHGRAPHCONVOLUTIONALNETWORKS 发表于ICLR2017
<m0_37357231> 上传 | 大小：853kb

[机器学习] wifiduino.zip

说明：我也是新来的，有需要交流问题的可以留言给我，如果各位小伙伴有积分可以贡献下，如果也是新手没有积分，就在下面联系我，我发给你，谢谢大家了。祝各位小伙伴身体健康，学习棒棒，事业顺利
<qq_41299133> 上传 | 大小：32mb

[机器学习] Graph_卓然.pdf

说明：自己总结的关于图论的知识，目前常用的GCN研究主要针对于借助于图的拉普拉斯矩阵的特征值和特征向量来研究图的性质。上述内容中我已经介绍了拉普拉斯矩阵的意义以及怎么得到的。
<qq_23144435> 上传 | 大小：1mb

[机器学习] MATLAB下使用遗传算法解决TSP问题.zip

说明：使用遗传算法解决TSP问题，语言为MATLAB，可以出图！当然这并不是我写的代码，里面的工具箱函数为英国一所大学写的，这是我为发布的博文所附加的资料，用于理解遗传算法的实现方式！
<qq_42348833> 上传 | 大小：8kb

[机器学习] Algo Samurai源码文件.mq4

说明：交易策略与交易系统本质上是一回事，传统的手工交易者一般都使用交易系统这个词来说明交易是一套完整的体系。在EA交易里面，大家更愿意使用交易策略这个词，以区别与传统手工交易，本质上讲，这两个词语并没有严格的区分。
<Ww798229841> 上传 | 大小：29kb

[机器学习] voicegender_data.zip

说明：这个数据集是用于通过声音的一些属性来鉴别声音的性别。数据集包含了3168条数据记录， 分别来自男性或女性的声音属性。数据集格式是csv格式。声音的属性包括平均频率，频率的表方差，频率的中位数等20项声音属性，皆为float类型数据。每条记录还标识了性别，male（男），female（女）。 同时附有python读取数据的源代码，包括从文件读取数据，乱序数据处理，批量返回等方法。
<deecheanW> 上传 | 大小：285kb

[机器学习] sentiment-analysis-on-movie-reviews.zip

说明：Classify the sentiment of sentences from the Rotten Tomatoes dataset 文件train.tsv test.tsv 有网可以自己下https://www.kaggle.com/c/sentiment-analysis-on-movie-reviews
<qq_39383591> 上传 | 大小：1mb

[机器学习] 小白的机器学习笔记系列 之七 - 简单的BP神经网络实例

说明：系列文章 小白的机器学习笔记系列 之七 - 简单的BP神经网络实例 的源码。Jupyter Notebook里可以直接运行。相关文章，参照以下链接。 https://blog.csdn.net/deecheanW/article/details/105308306
<deecheanW> 上传 | 大小：12kb

[机器学习] 零样本图像识别综述论文.pdf

说明：深度学习在人工智能领域已经取得了非常优秀的成就，在有监督识别任务中，使用深度学习算法训练海量的带标签数据，可以达到前所未有的识别精确度。但是，由于对海量数据的标注工作成本昂贵，对罕见类别获取海量数据难度较大，所以如何识别在训练过程中少见或从未见过的未知类仍然是一个严峻的问题。
<syp_net> 上传 | 大小：2mb

[机器学习] ROS自动导航的运行命令.txt

说明：因为大多数机器人必须要移动才能发挥该有功能，那么问题来了怎么移动，移动到哪里？遇到障碍物怎么办，如何选择离目标最近的路径？使用自动导航，最优路径规划可以解决相应问题 操作环境linux ROS环境下的对应命令
<qq_43813373> 上传 | 大小：898byte

[机器学习] fps python实现

说明：fps python实现，还没有认证是否有用以点云第一个点，作为查询点，从剩余点中，取一个距离最远的点； 继续以取出来的点，作为查询点，从剩余点中，取距离最远的点。此时，由于已经取出来的点的个数大于1，需要考虑已经选出来的点集中的每个点。计算逻辑如下： 对于任意一个剩余点，计算该点到已经选中的点集中所有点的距离； 取最小值，作为该点到点集的距离； 计算出每个剩余点到点集的距离后，取距离最大的那个点。 重复第2步，一直采样到目标数量N为止。
<he5688> 上传 | 大小：1kb