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. 遥感影像监督分类与非监督分类的比较（pdf）

  2. 遥感影像分类是影像分析的一个重要内容,它是利用计算机通过对影像中不同地物的空间信息和光谱 信息进行分析,选择特征,并将特征空间划分为互不重叠的子空间,然后将影像中各个像元划归到子空间去. 目前国内国际上对影像分类的研究主要集中在应用具体的物理的、数学的方法等对影像进行的分类研究方 面[1 - 8 ] ,对于影像分类方法的研究,从不同的方面可以划分为不同的类型. 按照利用图像要素的不同,影像 分类大体可以分为三种:一是基于图像灰度值的分类,二是基于图像纹理的分类,三是基于多源信息融合的 分类[9

  3. 所属分类：网络基础

    • 发布日期：2010-05-14
    • 文件大小：184kb
    • 提供者：forrestlc

  1. 基于有监督分类的地物识别

  2. 基于有监督分类的地物识别，采用神经网络的方法

  3. 所属分类：C++

    • 发布日期：2011-03-13
    • 文件大小：1005kb
    • 提供者：david208007

  1. DNA序列分类及神经网络

  2. DNA序列分类 神经网络 监督学习分类 希望你喜欢

  3. 所属分类：网络基础

    • 发布日期：2009-04-12
    • 文件大小：132kb
    • 提供者：lluiu

  1. 广义神经网络的聚类算法-网络入侵聚类

  2. 本案例结合了模糊聚类的无监督聚类和广义神经网络的有监督学习功能，完成了对未知网络入侵数据的聚类，广义神经网络所起的作用为训练后分类所有入侵样本。

  3. 所属分类：机器学习

    • 发布日期：2018-08-21
    • 文件大小：25kb
    • 提供者：qq_28919631

  1. 自组织竞争神经网络MATLAB代码

  2. 自组织神经网络是通过自动寻找样本中的内在规律和本质属性，自组织、自适应地改变网络参数与结构。多层感知器的学习和分类是已知一定的先验知识为条件的，即网络权值的调整是在监督情况下进行的。而在实际应用中，有时并不能提供所需的先验知识，这就需要网络具有能够自学习的能力。Kohonen提出的自组织特征映射图就是这种具有自学习功能的神经网络。这种网络是基于生理学和脑科学研究成果提出的。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-04-21
    • 文件大小：8kb
    • 提供者：qq_42167992

  1. 卷积神经网络研究综述_周飞燕.pdf

  2. 该文首先概述了卷积神经网络的发展历史,然后分别描述了神经元模型、多层感知器的结构.接着,详细分析了卷积神经网络的结构,包括卷积层、池化层、全连接层,它们发挥着不同的作用.然后,讨论了网中网模型、空间变换网络等改进的卷积神经网络.同时,还分别介绍了卷积神经网络的监督学习、无监督学习训练方法以及一些常用的开源工具.此外,该文以图像分类、人脸识别、音频检索、心电图分类及目标检测等为例,对卷积神经网络的应用作了归纳.卷积神经网络与递归神经网络的集成是一个途径.为了给读者以尽可能多的借鉴,该文还设计并试验

  3. 所属分类：深度学习

    • 发布日期：2020-04-02
    • 文件大小：3mb
    • 提供者：olivia_ye

  1. BP神经网络在遥感影像分类中的应用

  2. BP神经网络在遥感影像分类中的应用，罗卿莉，，传统的基于统计的分类要求数据服从正态分布，并存在分类精度低的特点。本文在Matlab平台基础上，采用BP神经网络对遥感图像进行监督�

  3. 所属分类：其它

    • 发布日期：2020-01-26
    • 文件大小：364kb
    • 提供者：weixin_38666232

  1. BP神经网络算法对遥感图像进行监督分类

  2. 利用BP神经网络算法对遥感图像进行监督分类，可以进行交互，自己选区，进行分类

  3. 所属分类：C#

  1. 基于卷积神经网络的车牌照字符识别研究

  2. 基于卷积神经网络的车牌照字符识别研究310 第十二届全国图象图形学学术会议 以充分利用人的经验来获取模式特征以及神经网 来正确识别所有样本;Uc4层是网络的输出层即识 终分类能力来识别字符,特征提取必须能反应整 个字符的特征,才能达到较高的识别率;后者则 别层,显示网络最终的模式识别结果。 省去特征抽取,将整个字符直接作为神经网络的 差异提取层Uc的输出姐式(1)所示 输入。这种方式虽然在一定程度上增加了神经网 络结构的复杂度,但是网络的抗干扰性能和识别 n(n,)=max{(-)∑a()l(n

  3. 所属分类：机器学习

    • 发布日期：2019-04-19
    • 文件大小：268kb
    • 提供者：suiyu_eran

  1. LVQ神经网络的分类-乳腺肿瘤诊断.docx

  2. 对于乳腺肿瘤分类过程中的问题，用LVQ神经网络来实现乳腺肿瘤的分类。LVQ算法是一种有监督的学习方法，其在模式识别和优化领域有广泛的应用。本文在MATLAB平台中建立LVQ神经网络识别器进行训练、测试。通过实验结果表示，本文中的LVQ算法分类精度为94.2%，与其他分类方法相比，分类精度得到进一步提高。

  3. 所属分类：机器学习

    • 发布日期：2020-07-01
    • 文件大小：465kb
    • 提供者：Python_Matlab

  1. RBF神经网络实现模式分类.rar

  2. 利用RBF神经网络实现对数据点的分类。采用的是广义RBF网络数据中心的监督学习算法，利用梯度下降法，自动求RBF网络的中心、扩展系数、权重。该实验动态展示了RBF分类逼近过程。你可以调节参数达到你需要的效果。

  3. 所属分类：其它

    • 发布日期：2020-06-27
    • 文件大小：2kb
    • 提供者：caojianfa969

  1. 自组织人工神经网络与聚类法在矿区沉积物分类中实用性对比

  2. 为确切判定淮北矿区新第三纪沉积物成因类型,分别用自组织人工神经网络(SOM)和聚类分析方法对宿南等矿区的19组样本进行分类.对比发现SOM的分类结果与实际情况更吻合.从机理和应用方式上探讨了两种方法的功能差异,证明SOM方法分类操作过程简便易行,具有残缺自动识别能力,分类结果唯一,在沉积物无监督成因分类中,优于聚类分析方法.

  3. 所属分类：其它

  1. 一种基于忆阻特性的监督神经网络算法及电路设计

  2. 针对如何将忆阻器融入人工神经网络算法并进行硬件实现的问题，提出了一种在现场可编程逻辑门阵列（FPGA）平台上实现的基于忆阻特性的监督神经网络算法。该设计以忆阻器模块作为神经网络中的权值存储模块，构建误差反馈机制的监督学习。将该忆阻神经网络电路应用于图像分类问题，并进行了资源占用和处理速度的优化。实验结果表明其分类结果良好，在Cyclone II：EP2C70F896I8平台上，整体网络算法占用11 773个逻辑单元（LEs），训练耗时0.33 ms，图像的测试耗时10 μs。这一工作对忆阻器和神

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：368kb
    • 提供者：weixin_38588854

  1. 神经网络中的感知机模型

  2. 人工神经网络中最简单的模型，感知机（perceptron）是二分类的线性分类模型，属于监督学习算法,输入为实例的特征向量，输出为实例的类别（取+1和-1）。

  3. 所属分类：机器学习

    • 发布日期：2020-11-29
    • 文件大小：19kb
    • 提供者：weixin_43048780

  1. 使用嵌入了Softmax回归和多个神经网络的深度信任网络来学习用于人脸识别的分层表示

  2. 在人脸识别和分类中，基于标记数据不足的特征提取和分类是一个众所周知的难题。 为了解决这个问题，本文提出了一种新的半监督学习算法，称为深度信念网络，嵌入了Softmax回归算法（DBNESR）。 DBNESR首先通过深度学习来学习特征的层次表示，然后使用Softmax回归进行更有效的分类。 同时，我们基于监督学习设计了多种分类器：BP，HBPNN，RBF，HRBFNN，SVM和多分类决策融合分类器（MCDFC）-混合HBPNNs- HRBFNNs-SVM分类器。 实验证明：首先，提出的半监督深度学

  3. 所属分类：其它

  1. 使用基于类的BP神经网络对RGB图像进行光谱超分辨率

  2. 高光谱图像具有高光谱分辨率，并且已在许多应用中得到广泛使用，但是实现高光谱分辨率的成像过程是以空间分辨率为代价的。 本文旨在通过提出一种新的基于类的光谱超分辨率方法，从高空间分辨率的RGB图像中构建高空间分辨率的高光谱（HHS）图像。 借助一组RGB和HHS图像对，我们提出的方法使用基于类的反向传播神经网络（BPNN）学习RGB和HHS图像对之间的非线性光谱映射。 在训练阶段，使用无监督聚类将RGB图像根据光谱相关性分为几类，并使用分类后的RGB图像和对应的HHS图像的光谱对来训练BPNN，建立

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：951kb
    • 提供者：weixin_38701407

  1. 利用语义丰富的混合神经网络引导社会情感分类

  2. 社交情感分类旨在预测嵌入在由各种用户贡献的在线评论中的情感React的聚合。 这样的任务具有固有的挑战性，因为从自由文本中提取相关语义是一个经典的研究问题。 此外，在线评论通常以稀疏的特征空间为特征，这使得相应的情感分类任务非常困难。 另一方面，尽管由于深度神经网络具有将稀疏的低级特征转换为密集的高级特征的能力，因此已被证明对语音识别和图像分析任务有效，但它们在情感分类上的有效性仍需进一步研究。 本文报道的工作的主要贡献是开发了一种新型的语义丰富的混合神经网络（HNN）模型，该模型利用无监督的教

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：807kb
    • 提供者：weixin_38746166

  1. 度量学习和嵌入拓扑学习神经网络的框架

  2. 提出了一种采用拓扑学习神经网络进行度量学习和嵌入的框架。 为了强调常规嵌入方法（例如多维缩放和Isomap）在时间和空间上效率低下的问题，我们利用了拓扑学习神经网络（例如增长的神经气体和自组织增量）的增量训练和矢量量化能力。神经网络构造数据的表示形式。 然后用神经元的图相似度代替输入数据的成对相似度来近似嵌入。 在一个实验中，所提出的度量学习与支持向量机结合使用来解决半监督学习（SSL）问题。 结果表明，我们提出的方法提高了SSL实验中的分类精度。

  3. 所属分类：其它

  1. scnym：用于单细胞转录组学数据分类的半监督对抗神经网络-源码

  2. scNym-用于单细胞分类的半监督对抗神经网络 scNym是一个神经网络模型，用于根据单细胞分析数据（例如scRNA-seq）预测细胞类型，并从这些模型中得出细胞类型表示形式。 尽管细胞类型分类是主要的用例，但是这些模型可以将单个细胞概况映射到任意输出类别（例如实验条件）。 我们已经在Genome Research的最新论文中详细描述了scNym 。 如果您发现此工具有用，请引用我们的工作。 我们也有一个研究网站，介绍scNym简报- 用于单细胞分类的半监督对抗神经网络。 雅各布·金梅尔

  3. 所属分类：其它

    • 发布日期：2021-02-27
    • 文件大小：576kb
    • 提供者：weixin_42176612

  1. PyTorch-FR-冠状病毒-聊天机器人：法语Chatbot回答用户有关冠状病毒的问题。 使用PyTorch并基于经过训练的神经网络实现-源码

  2. PyTorch FR冠状病毒聊天机器人 这个项目是关于创建一个讲法语的聊天机器人（虚拟助手）的，该机器人可以回答用户有关冠状病毒的问题。 这个使用Python实现的聊天机器人使用了一个深度学习库PyTorch ，为我们提供了构建复杂分类所需的神经网络模型工具。 神经网络基于JSON文件中提供的训练数据。 该文件由不同的意图组成：每个意图都收集用户编写的一些模式（问题），这些模式针对侧重于冠状病毒（什么是冠状病毒，其症状，如何佩戴口罩等）以及相关标签的不同主题（或标签）。 这使我们能够以监督的

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：70kb
    • 提供者：weixin_42165583
« 12 3 4 5 6 7 »