您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 贝叶斯决策理论(PPT幻灯与WORD文档)

  2. 1、贝叶斯分类器 2、正态分布决策理论 3、关于分类的错误率分析 4、最小风险Bayes分类器 5、Bayes分类器算法和例题 6、聂曼-皮尔逊判别准则 8、7、最大最小判别准则 9、决策树 10、序贯分类
  3. 所属分类:其它

    • 发布日期:2010-03-29
    • 文件大小:579kb
    • 提供者:xuwentao185122
  1. 信号检测与估计的PPT

  2. 二元假设检验,贝叶斯准则,最小总错误概率准则,奈曼-皮尔逊准则,极大极小准则。
  3. 所属分类:专业指导

    • 发布日期:2010-06-17
    • 文件大小:1mb
    • 提供者:wangfang111
  1. 贝叶斯决策理论机器学习数据挖掘

  2. 贝叶斯分类器 正态分布决策理论 关于分类的错误率分析 最小风险Bayes分类器 Bayes分类器算法和例题 聂曼-皮尔逊判别准则 最大最小判别准则 决策树 序贯分类
  3. 所属分类:其它

    • 发布日期:2010-06-29
    • 文件大小:814kb
    • 提供者:moxibingdao
  1. 经典密码学与现代密码学.[美]斯皮尔曼.pdf

  2. 中文版的。。。。。。。。。。。。。。。。。。
  3. 所属分类:网络安全

    • 发布日期:2011-04-29
    • 文件大小:13mb
    • 提供者:guowei3758
  1. 关于斯皮尔曼等级秩和检验的matlab实现

  2. 关于斯皮尔曼等级秩和检验的matlab实现,是多因素相关性检验必不可少的方法
  3. 所属分类:软件测试

    • 发布日期:2011-09-06
    • 文件大小:1kb
    • 提供者:wllwslwyy
  1. 斯皮尔曼的等级相关系数

  2. 以几个单目标优化函数为例子,利用斯皮尔曼的等级相关系数计算两个单目标优化函数之间的相关性。
  3. 所属分类:机器学习

    • 发布日期:2018-09-03
    • 文件大小:240kb
    • 提供者:zjzj0320
  1. 影响因素.xlsx

  2. function coeff = mySpearman(X , Y) % 本函数用于实现斯皮尔曼等级相关系数的计算操作 % % 输入: % X:输入的数值序列 % Y:输入的数值序列 % % 输出: % coeff:两个输入数值序列X,Y的相关系数 if length(X) ~= length(Y) error(两个数值数列的维数不相等); return; end N = length(X); %得到序列的长度 Xrank = zeros(1 , N); %存储X中各元素的排行 Yrank
  3. 所属分类:算法与数据结构

    • 发布日期:2019-05-11
    • 文件大小:11kb
    • 提供者:qq_43540727
  1. 第9章 因子分析.pdf

  2. 因子分析是指研究从变量群中提取共性因子的统计技术。最早由英国心理学家C.E.斯皮尔曼提出。他发现学生的各科成绩之间存在着一定的相关性,一科成绩好的学生,往往其他各科成绩也比较好,从而推想是否存在某些潜在的共性因子,或称某些一般智力条件影响着学生的学习成绩。因子分析可在许多变量中找出隐藏的具有代表性的因子。将相同本质的变量归入一个因子,可减少变量的数目,还可检验变量间关系的假设。
  3. 所属分类:机器学习

  1. 爱因斯坦-高斯-贝内理论中小黑洞的引力子时间延迟和速度极限

  2. 卡曼纽(Camanho),爱德斯坦(Edelstein),马尔达塞纳(Maldacena)和日博埃多夫(Zhiboedov)已证明,在爱因斯坦-高斯-邦内特理论中,引力子会经历负的夏皮罗时间延迟,即时间提前。 他们研究了以单一“冲击波”几何形状传播的引力子。 我们研究了在光滑黑洞时空中传播的引力子的这种效应。 对于足够小的黑洞,我们发现适当极化的引子和较小的冲击参数会经历时间的增长。 这种引力子还可以表现出小于π的偏转角,这是排斥性短距离引力相互作用的特征。 我们讨论了一些建议,建议可以使用时间
  3. 所属分类:其它

    • 发布日期:2020-03-25
    • 文件大小:887kb
    • 提供者:weixin_38698311
  1. 南京市PM2.5浓度的时空分布及其与气象因子之间的关系

  2. 南京市PM2.5浓度的时空分布及其与气象因子之间的关系论文。 详细叙述了PM2.5浓度的时空分布,利用斯皮尔曼相关系数计算了相关性。并采用CACM分解,查看不同时间频率下的PM2.5浓度变化特征。
  3. 所属分类:教育

    • 发布日期:2017-02-24
    • 文件大小:6mb
    • 提供者:yqq19950707
  1. 内曼皮尔逊统计与贝叶斯统计区别

  2. 通过实例简单描述了内曼皮尔逊统计与贝叶斯统计区别,还通过实例分别对内曼皮尔逊统计流程(假设检验)做了详细描述,还通过实例分别对贝叶斯统计流程(先验概率*条件概率=后验概率)做了详细描述,方便 大家理解;
  3. 所属分类:机器学习

    • 发布日期:2020-10-05
    • 文件大小:28kb
    • 提供者:wuxiaowei860858
  1. BERT-flow:预训练语言模型上的句子嵌入的TensorFlow实现(EMNLP 2020)-源码

  2. 从预训练语言模型看句子嵌入 这是以下的TensorFlow实现: On the Sentence Embeddings from Pre-trained Language Models Bohan Li, Hao Zhou, Junxian He, Mingxuan Wang, Yiming Yang, Lei Li EMNLP 2020 模型 斯皮尔曼的罗 BERT-大型-NLI 77.80 BERT-大-NLI-last2avg 78.45 BERT大NLI流(仅目标,仅训练)
  3. 所属分类:其它

    • 发布日期:2021-03-19
    • 文件大小:275kb
    • 提供者:weixin_42150745
  1. 2021-marconi-turismo-lecce:Progetto TIPSI。 翁布里亚·德尔·格鲁波-源码

  2. 2021年马可尼·图里切莱切(marconi-turismo-lecce) 人物1 49岁的卢卡·迪亚曼特·米诺(Luca Diamante)演绎了《罗马历史》。 一年一度的晚会,迭戈·迪亚·马蒂亚·切·汉诺·罗斯佩蒂瓦门特9月12日。 在瓦加扎Kong加利亚大区的莱卡·维塔尼亚·德拉·菲亚门塔维加·弗拉门加瓦州的米特罗沃,应要求优先报名参加在卡莱斯蒂卡·德·皮尔蒂·德·蓬蒂·迪·因塞斯·贝里西马·西塔将举行的纪念日活动中的一切事宜。daccess-ods.un.org daccess-ods
  3. 所属分类:其它

  1. kaizen-源码

  2. 改善 统计库用于假设检验和数据分析。 库包含以下内容: 假设检验(置换检验) T检验(一个样本,独立样本) 相关性(皮尔逊,斯皮尔曼,协会,协方差) 正态性检验(kolmogorov-smirnov,shapiro wilk) 卡方检验(偶然性,单向表) 曼·惠特尼(Mann Whitney U) 置信区间(均值和均值之差)
  3. 所属分类:其它

  1. 基于稀疏表示的失真卫星立体图像全参考质量评价

  2. 针对建筑物检测特定应用,提出一种基于稀疏表示的失真立体图像全参考质量评价方法。首先构建了一种新的失真卫星立体图像数据库,使用角点检测和数字表面模型的高程信息进行建筑物检测,并根据失真图像检测角点变化,提出检测准确率指标来表示图像的失真程度;然后提出一种基于稀疏表示的客观评价模型,其分别提取原始图像和失真图像的尺度不变特征转换和二进制稳健不变尺度特征进行字典学习;利用稀疏表示测量原始图像和失真图像之间的相似性,得到4个质量分数;最后通过支持向量回归融合4个质量分数得到最终的客观评价值。在构建的数据
  3. 所属分类:其它

    • 发布日期:2021-03-02
    • 文件大小:24mb
    • 提供者:weixin_38731027
  1. stats:Java 8中的统计量和实用程序的集合-源码

  2. 统计资料 Java 8中的统计量度和实用程序的集合。 设置理论测度: 雅卡指数 相互信息 重叠系数 简单匹配系数 Sorensen-Dice系数 等级相关度量: 肯德尔等级相关系数 斯皮尔曼等级相关系数 数量关联度量: 余弦相似度 皮尔逊相关系数 其他实用程序: 分配 使用 您可以从项目中添加依赖项,如下所示: 使用Maven gr.james stats 0.2 使用Gradle implementation ' gr.james:stats:0.2 ' //
  3. 所属分类:其它

    • 发布日期:2021-02-27
    • 文件大小:30kb
    • 提供者:weixin_42135753
  1. 基于多特征的彩色唐卡修复图像无参考质量评价方法

  2. 为了解决单一特征反映不同修复方法效果差异的局限性,结合唐卡图像结构特征和色彩特征,提出一种基于多特征的无参考彩色唐卡修复图像质量评价方法。首先,该算法利用唐卡图像纹理丰富的特性,选取高斯差分算子提取图像线描图,并结合唐卡对称特性获取图像结构特征;然后依据简单线性迭代聚类分割后不同超像素区域间的色彩熵变化差异,提取唐卡图像色彩特征;最后考虑到多尺度特征更加符合人眼视觉特性,将拉普拉斯金字塔分解后的多元特征输入自适应增强神经网络进行训练,预测得出修复图像质量客观评价分数。实验结果表明,该方法利用唐卡
  3. 所属分类:其它

  1. 基于迁移学习的无参考视频质量评价

  2. 视频质量评价主要采用传统的手动提取特征, 再利用机器学习预测视频质量分数, 导致结果不理想。VGG-16网络在特征提取方面具有非常好的稳健性, 借鉴其网络模型, 迁移参数构造出用于端到端的视频质量评价网络。LIVE视频数据库的实验结果表明, 该方法预测的评价分数与主观评价分数具有较高的一致性。其评价指标斯皮尔曼等级相关系数和皮尔逊线性相关系数分别达到了0.867和0.843, 性能优于目前基于手动提取特征进行视频质量评价的大部分算法。
  3. 所属分类:其它

  1. 数据特征分析:相关性分析(Pandas中的corr方法)

  2. 文章目录1.图示初判两个变量之间的相关性(散点图)多变量之间的相关性(散点图矩阵)2.Pearson相关系数3.Spearman相关系数 分析连续变量之间的线性相关程度的强弱 介绍如下几种方法: 图示初判 Pearson相关系数(皮尔逊相关系数) Sperman秩相关系数(斯皮尔曼相关系数) 1.图示初判 拿到一组数据,可以先绘制散点图查看各数据之间的相关性: 两个变量之间的相关性(散点图) import numpy as np import pandas as pd import matplo
  3. 所属分类:其它

    • 发布日期:2021-01-21
    • 文件大小:133kb
    • 提供者:weixin_38639237
  1. 统计学入门(一):协方差,皮尔逊系数及斯皮尔曼系数的R语言实现

  2. 前言:R语言是实践统计学和机器学习的良好工具,个人觉得相比Python比较容易学习。协方差,皮尔逊系数以及斯皮尔曼系数的具体统计学或数学意义就不在此过多描述,主要是解释其R语言代码实现,将分别使用公式的方式计算以及直接调用现有function的方式,以下是具体操作。 (一)首先导入数据并绘制图像,数据是介个样子: A B C D E Y 234 0.04 48 0.1 0.45 16 225 0.12 42 6 0.85 17 216 0.12 10 10 0.9 19 204 0
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:34kb
    • 提供者:weixin_38620959
« 12 3 »