mRMR_0.9_compiled最小冗余和最大相关特征选取源代码，-This package is the mRMR (minimum-redundancy maximum-relevancy) feature selection method, whose better performance over the conventional top-ranking method has been demonstrated on a number of data sets in recent p
随着W W W 的迅猛发展, 文本分类成为处理和组织大量文档数据的关键技末 1 由于最大嫡模型 可以综合观察到各种相关或不相关的概率知识, 对许多问题的处理都可以达到较好的结来 . 但是, 将最 大嫡模型应用在文本分类中的研究却非常少, 而使用最大嫡模型进行中文文本分类的研究尚未见到. 使用最大墒模型进行了中文文本分类 . 通过实验比较和分析了不同的中文文本特征生成方法、不同的 特征数目, 以及在使用平滑技术的情况下, 基于最大嫡模型的分类器的分匆险能并且将其和Ba ye S , K N N
相关熵被广泛地应用于非高斯信号处理中，但是也不可避免步长与失调量之间的矛盾。为了解决这个矛盾，基于最大相关熵的凸组合(Convex combination of Maximum Correntropy Criterion，CMCC)滤波器被提出，以同时获得大步长滤波器的快收敛速度和小步长滤波器的低失调量。但是，当两个步长不同的滤波器进行凸组合时，由于步长选取的差异，会导致组合滤波器的收敛速度和追踪最优值的能力下降。因此，提出了基于最大相关熵的多凸组合滤波器（Multi-convex Combin
