您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. pca-svm 人脸识别

  2. pca和svm结合使用,可以实现降维分类,对于模式识别和图像处理都有很大的帮助
  3. 所属分类:项目管理

    • 发布日期:2011-06-09
    • 文件大小:3kb
    • 提供者:renhui20506
  1. 经典的降维算法

  2. 线性判别分析,一种特征降维的算法,一种线性分类器
  3. 所属分类:其它

    • 发布日期:2012-09-06
    • 文件大小:3kb
    • 提供者:sjcltt
  1. 基于流形学习的数据降维

  2. 本文首先对目前典型的流形学习方法与核函数理论进行较为全面的分析, 并对 LE(LaplaceEigenmaPs)算法进行核化。此外,提出了一种PCA(PrinciPal ComponentAnalysiS)和 LLE(LoealLinearlyEmbedding)混合数据降维方法,并 在经典数据集和具有挑战性的数据集上取得了较好的降维效果。为了进一步说 明此算法的有效性,本文将此算法应用于手写字分类和人脸分类算法的预处理 过程中,得到了预期的效果。为了说明此算法的有效性,本文又进一步从理论 上
  3. 所属分类:专业指导

  1. 基于蒙特卡罗特征降维算法的小样本高光谱图像分类

  2. 基于蒙特卡罗特征降维算法的小样本高光谱图像分类
  3. 所属分类:专业指导

    • 发布日期:2013-09-14
    • 文件大小:361kb
    • 提供者:yangxiaozhu123
  1. 高维数据几何结构与降维(国内唯一一本讲如何比较详尽的阐述高维数据如何降维的)

  2. 这是一本关于高维数据如何进行有效降维的数据,书中比较系统的阐述了一些可行性的方法,最关键的是提供了一些关于高维数据降维的一些思想。在大数据时代来临,面临的数据维度已经越来越高,通过数据本身的量化数值发现数据内在的关系,值得深思。这本书不仅提出了方法也提供了思想。
  3. 所属分类:互联网

    • 发布日期:2014-09-14
    • 文件大小:8mb
    • 提供者:u010519752
  1. 一个有关降维的综述.ppt

  2. 高维数据中包含大量的冗余并掩藏了重要关系的相关性,降维的目的就是消除冗余,减少被处理数据的数量,因而广泛用于数据分类和模式识别等领域。
  3. 所属分类:专业指导

    • 发布日期:2009-02-24
    • 文件大小:1mb
    • 提供者:cyj19881008
  1. 一种基于局部结构保持的数据降维方法

  2. 针对传统线性回归方法进行数据降维,不能很好地利用数据间几何结构的问题,提出了一种基于局部结构保持的数据降维方法.利用非负约束下的最小二乘构造关系图,从而描述局部近邻几何信息.在将全局结构信息与局部结构信息整合时,设计了一种新的模型选择方法用于模型参数估计,极大地减少了计算量.在公测库ORL、YaleB、USPS、20Newgroup、Isolet上的实验结果表明,该方法用于数据分类时优于ULD、OLDA和NPE等方法.
  3. 所属分类:机器学习

    • 发布日期:2018-06-14
    • 文件大小:211kb
    • 提供者:qq_28339273
  1. PCA降维+分类器 python语言写的

  2. PCA降维+分类器 python语言写的 主成分分析 代码可以跑 python3.6版
  3. 所属分类:Python

    • 发布日期:2018-10-24
    • 文件大小:425kb
    • 提供者:angel20041401
  1. 一种面向图像分类的流形学习降维算法.pdf

  2. 一种面向图像分类的流形学习降维算法.pdf
  3. 所属分类:机器学习

    • 发布日期:2020-05-19
    • 文件大小:2mb
    • 提供者:anitachiu_2
  1. 降维算法LDA用于分类

  2. 本资源是机器学习常见方法LDA(线性判别分析)的源码,其主要功能类似于PCA,都属于降维算法。本次实现是依托于项目工程,裁剪掉了图像预处理特征提取部分,是降维算法在分类问题上的一次实现,为Matlab代码实现
  3. 所属分类:机器学习

    • 发布日期:2020-04-02
    • 文件大小:3kb
    • 提供者:qq_35372102
  1. 适合近红外光谱数据特征的降维方法对比分析

  2. 因近红外光谱具有波长点多、谱带归属困难、光谱重叠严重及光谱分布结构未知等问题,在进行近红外光谱关键特征提取和数据特征空间映射时难以准确获知合适降维方法。为了解决该问题,本文对比分析了典型线性和非线性降维方法,并用烟叶近红外光谱数据从数据降维可视化和分类准确性识别率角度分别进行了实验验证。结果表明,线性降维算法,特别是PCA、LDA算法,比较适合应用于烟叶近红外光谱降维分析中,非线性降维算法因其泛化学习能力与推广能力差以及本征维数估计困难不适合应用于近红外光谱降维分析。
  3. 所属分类:其它

    • 发布日期:2020-10-17
    • 文件大小:335kb
    • 提供者:weixin_38672739
  1. 鸢尾花分类与降维

  2. 这段时间,自己学习了一些有关机器学习的算法,现在拿鸢尾花分类来对这四种进行巩固与回顾。 这些算法都是直接使用的skearn库的算法,并未自己编写。 鸢尾花的降维 import matplotlib.pyplot as plt from sklearn.decomposition import PCA from sklearn.datasets import load_iris data = load_iris() y = data.target X = data.data pca = PCA(n
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:108kb
    • 提供者:weixin_38596485
  1. 鸢尾花分类与降维

  2. 这段时间,自己学习了一些有关机器学习的算法,现在拿鸢尾花分类来对这四种进行巩固与回顾。 这些算法都是直接使用的skearn库的算法,并未自己编写。 鸢尾花的降维 import matplotlib.pyplot as plt from sklearn.decomposition import PCA from sklearn.datasets import load_iris data = load_iris() y = data.target X = data.data pca = PCA(n
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:108kb
    • 提供者:weixin_38743084
  1. Two_stage_prediction_pipeline:两阶段预测管道包括用于非线性降维的神经网络组件,其后是SVM分类器-源码

  2. Two_stage_prediction_pipeline 两阶段预测管道包括用于非线性降维的神经网络组件,其后是SVM分类器
  3. 所属分类:其它

  1. Parkinsons-Disease-Classfication-Task:使用PCA执行缩放,数据分割和降维,并使用随机森林,SVM和KNN算法进行分类-源码

  2. 帕金森病分类任务 使用PCA执行缩放,数据分割和降维,并使用随机森林,SVM和KNN算法进行分类
  3. 所属分类:其它

  1. LSI_LDA:一种混合特征降维方法

  2. LDA没有考虑到数据输入,在原始输入空间上对所有词进行主题标签,因对非作用词同样分配主题,致使主题分布不精确。针对其不足,提出了一种结合LSI和LDA的特征降维方法,预先采用LSI将原始词空间映射到语义空间,再根据语义关系筛选出原始特征集中关键的特征,最后通过LDA模型在更小、更切题的文档子集上采样建模。对复旦大学中文语料进行文本分类,新方法的分类精度较单独使用LDA模型的效果提高了1.50%。实验表明提出的LSI__LDA模型在文本分类中有更好的分类性能。
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:804kb
    • 提供者:weixin_38660359
  1. 降维组合的癌症分类方法

  2. 降维组合的癌症分类方法
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:375kb
    • 提供者:weixin_38680492
  1. 自适应分类成对降维算法

  2. 自适应分类成对降维算法
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:975kb
    • 提供者:weixin_38725119
  1. 机器学习和数据科学:机器学习和数据挖掘:回归[线性(选择和收缩,降维,超出线性范围)和非线性回归(逻辑,K-NN,树)],交叉验证(LOOCV,K -折数,偏差与方差,分类(LDA,QDA,K-NN,物流,树,SVM),聚类(PCA,K-M

  2. 机器学习与数据科学 机器学习和数据挖掘:回归[线性(选择和收缩,降维,超出线性范围)和非线性回归(逻辑,K-NN,树)],交叉验证(LOOCV,K折,偏差与方差) ,分类(LDA,QDA,K-NN,物流,树,SVM),聚类(PCA,K-Means,分层)本课程将介绍数据挖掘/统计学习的主要主题,包括:统计基础,数据可视化,分类,回归,聚类。 重点将放在统计学习方法,其背后的模型,直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学
  3. 所属分类:其它

    • 发布日期:2021-02-14
    • 文件大小:18mb
    • 提供者:weixin_42166261
  1. 基于FPGA的高光谱图像奇异值分解降维技术

  2. 为了解决高光谱图像维数高、数据量巨大、实时处理技术实现难的问题,提出了高光谱图像实时处理降维技术。采用奇异值分解(SVD)算法对高光谱图像进行降维,又在可编程门阵列(FPGA)芯片中针对这一算法划为自相关模块、特征求解模块、特征提取模块和降维实现模块4个模块进行编程实现、仿真和验证。仿真结果表明,高光谱图像降维后数据量为降维前的1/3,而降维后的分类像素点误差为0.2109%,证明了奇异值分解算法进行高光谱图像降维算法的有效性。
  3. 所属分类:其它

« 12 3 4 5 6 7 8 9 10 ... 17 »