注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于互信息的多关系朴素贝叶斯分类器

  2. 为进一步提高多关系朴素贝叶斯方法的分类准确率,分析了已有的剪枝方法,并扩展互信息标准到多关系情况下.

  3. 所属分类：专业指导

    • 发布日期：2010-03-08
    • 文件大小：297kb
    • 提供者：letmeleave

  1. 数据挖掘技术研究与应用

  2. 目 录 第一章 引言 1 1.1 数据挖掘技术概述 1 1.1.1数据挖掘产生的背景 1 1.1.2数据挖掘基本概念 1 1.1.3数据挖掘任务 1 1.14数据挖掘方法 2 1.1.5数据挖掘现状与前景 2 1.2 数据挖掘中分类问题 2 1.2.1分类过程 2 1.2.2分类目的 3 1.2.3 分类器评价[4] 3 1.2.4分类方法 3 1.1.5分类研究展望 5 1.3 本论文主要内容 5 1.4 论文安排 6 第二章 分类算法 7 2.1 决策树分类器原理 7 2.1.1 决策树的

  3. 所属分类：数据库

  1. 随机决策森林（RDF）

  2. 随机森林是一个树型分类器{h(x,k),k=1,…}的集合。其中元分类器h(x,k)是用CART算法构建的没有剪枝的分类回归树；x是输入向量；k是独立同分布的随机向量，决定了单颗树的生长过程；森林的输出采用简单多数投票法（针对分类）或单颗树输出结果的简单平均（针对回归）得到。

  3. 所属分类：C/C++

    • 发布日期：2012-04-13
    • 文件大小：41kb
    • 提供者：loufuyi2012

  1. 基于URL特征的网站结构信息挖掘

  2. 本章首先深入的研究了网站的结构和URL的特征，然后制定了三元组节点的URL层次树的构建规则，利用建立的URL层次树描述网站的层次结构，最后设计了根据URL层次树对URL进行网页分类方法。构建URL层次树，首先要根据网站的首页建立URL层次树的根节点，然后利用网络爬虫，将URL层次树添加枝叶，最后对形成的URL层次树，进行噪声无用信息剪枝，形成最终的网站核心URL层次树。利用URL层次树进行URL分类的过程，首先需要建立URL解析器，用于规范和分解URL；其次，利用URL层次树和URL相似度公式

  3. 所属分类：其它

    • 发布日期：2013-03-30
    • 文件大小：694kb
    • 提供者：zhangfei2018

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14mb
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14mb
    • 提供者：a121649982

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：专业指导

    • 发布日期：2016-01-05
    • 文件大小：220kb
    • 提供者：huangyueranbbc

  1. 剪枝分类器(matlab)

  2. 剪枝分类器，一种弱分类器，分类效果仅仅比随机猜好一点，可用于baging boosting对该分类器进行独立和依次学习，构成强分类器

  3. 所属分类：其它

    • 发布日期：2016-06-11
    • 文件大小：949byte
    • 提供者：sinat_28357525

  1. adaboosting实现

  2. 对剪枝分类器依次进行学习的adaboosting 分类器

  3. 所属分类：其它

    • 发布日期：2016-06-11
    • 文件大小：2kb
    • 提供者：sinat_28357525

  1. 数据挖掘18大算法实现以及其他相关经典DM算法

  2. 数据挖掘算法 算法目录 18大DM算法 包名 目录名 算法名 AssociationAnalysis DataMining_Apriori Apriori-关联规则挖掘算法 AssociationAnalysis DataMining_FPTree FPTree-频繁模式树算法 BaggingAndBoosting DataMining_AdaBoost AdaBoost-装袋提升算法 Classification DataMining_CART CART-分类回归树算法 Classifica

  3. 所属分类：Java

    • 发布日期：2017-04-08
    • 文件大小：220kb
    • 提供者：q6115759

  1. 基于大数据的液压支架电液控制系统故障诊断

  2. 针对液压支架电液控制系统故障人工排查方式无法准确定位某些随机故障或个别系统故障的问题,对传统电液控制系统硬件设备进行智能化改造:增加了对系统核心关键部件电气参数的采集传输功能;从大数据采集、传输、处理等方面,阐述了基于Hadoop的大数据决策分析服务平台的构建;设计了大数据故障诊断引擎,以并行算法为核心对各类故障进行识别和诊断,基于MapReduce对C4.5决策树分类算法进行改进,并通过后剪枝技术解决算法容易过度拟合且不稳定的问题,通过多分类器融合技术提高算法准确性。测试结果表明,通过C4.5

  3. 所属分类：其它

    • 发布日期：2020-04-18
    • 文件大小：830kb
    • 提供者：weixin_38705699

  1. 后剪枝决策树分类器python

  2. 这是一个用python实现的决策树分类器，其样本集纯度指标为基尼指数，实现了后剪枝优化算法，有需要请下载

  3. 所属分类：机器学习

    • 发布日期：2020-02-17
    • 文件大小：5kb
    • 提供者：qq_43116030

  1. 基于依存句法分析的中文语义角色标注

  2. 依存句法是句法分析的一种,相比于短语结构句法分析,依存句法具有更简洁的表达方式。该文采用英文语义角色标注的研究方法,实现了一个基于中文依存句法分析的语义角色标注系统。该系统针对中文依存关系树,采用有效的剪枝算法和特征,使用最大熵分类器进行语义角色的识别和分类。系统使用了两种不同的语料,一种是由标准短语结构句法分析(CTB5.0)转换而来,另一种是CoNLL2009公布的中文语料。系统分别在两种语料的标准谓词和自动谓词的基础上进行实验,在标准谓词上取得的F1值分别为84.30%和81.68%,在自

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：281kb
    • 提供者：weixin_38559727

  1. 基于模糊模式与决策树融合的脚本病毒检测算法

  2. 构建决策树进行脚本病毒检测可以全面利用训练样本的信息，在样本特征较为复杂、样本数较大的情况下会产生大量节点，计算时间复杂度高，在剪枝过程中影响分类准确度。为融合模糊模式的信息以提高分类器性能，该文设计了决策树分类基础上的融合算法。该算法将关于模糊模式贴近度的3个特性作为决策树样本信息向量中的属性。使用训练样本集，根据上述属性在划分点上的分裂信息值及信息增益率选择分裂属性，逐步构建决策树。实验结果验证了算法的稳定性与准确度，表明这种融合方法可增加属性的区分度，减少决策树的分支数。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：243kb
    • 提供者：weixin_38599518

  1. 集成分类器单细胞测序 python3机器学习 单一决策树、随机森林分类器、梯度提升决策树

  2. 原理： 决策树生成算法： 是递归地生成决策树，它往往分类精细，对训练数据集分类准确，但是对未知数据集却没有那么准确，有比较严重的过拟合问题。因此，为了简化模型的复杂度，使模型的泛化能力更强，需要对已生成的决策树进行剪枝。 集成分类算法： 集成（Ensemble）分类模型综合考量多个分类器的预测结果，从而做出决策。 随机森林分类器用相同的训练数据同时搭建多个独立的分裂模型，然后通过投票的方式，以少数服从多数的原则作出最终分类的决策。在相同的训练数据上同时搭建多棵决策树，每棵决策树会放弃固定的排序算

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：276kb
    • 提供者：weixin_38738977