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. 高斯判别分类

  2. 基于opencv实现的c++版高斯判别分类，随机生成两类满足正态分布的训练样本点，利用高斯判别分析进行分类

  3. 所属分类：C/C++

    • 发布日期：2014-08-19
    • 文件大小：5kb
    • 提供者：feimengjuan

  1. 高光谱图像分割

  2. 机器学习的大作业，对高光谱数据进行分类，使用了决策树，高斯判别分析，KNN，径向基神经网络等四种方法。编程语言为MATLAB，包括完整的数据和代码。

  3. 所属分类：讲义

    • 发布日期：2014-11-17
    • 文件大小：5mb
    • 提供者：hanwenhui3

  1. 核Fisher判别分析法（多分类gda）

  2. 多分类核Fisher判别分析法，里面我给了一个例子，用的是鸢尾花数据集，四维三类，降到二维，核函数有高斯核，线性核，多项式核等，需要自取

  3. 所属分类：专业指导

    • 发布日期：2017-04-09
    • 文件大小：39kb
    • 提供者：danpianji666dan

  1. 斯坦福机器学习ML公开课笔记1-15（完整版、带目录索引和NG原版讲义）

  2. 1-15节全部完整版讲义！超清分享~~~（附赠目录索引和NG原版讲义） 含金量高，独家整理~~ 目录如下： 公开课笔记1-2——线性规划、梯度下降、正规方程组 公开课笔记3——局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4——牛顿方法、指数分布族、广义线性模型 公开课笔记5——生成学习、高斯判别、朴素贝叶斯 公开课笔记6——NB多项式模型、神经网络、SVM初步 公开课笔记7——最优间隔分类、原始/对偶问题、SVM对偶 公开课笔记8———核技法、软间隔分类器、SMO算法 公开课笔记9—偏差

  3. 所属分类：机器学习

    • 发布日期：2017-11-07
    • 文件大小：8mb
    • 提供者：u012416259

  1. 斯坦福Ng机器学习课程笔记（中文版）

  2. 【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯

  3. 所属分类：讲义

    • 发布日期：2018-04-14
    • 文件大小：6mb
    • 提供者：difstone

  1. 自然语言处理之文本主题判别

  2. 问题发现： 本次案例为工作中遇到的实际问题，在语音识别中的语料准备部分，需要从网络中爬取相当数量的相关文本，其中发现爬取到了一些不相关的内容，如何把这些不相关的内容剔除掉成为笔者需要思考的问题。 初步思考： 遇到此问题笔者第一时间考虑是将文本分词后向量化，使用聚类看一下分布情况，然而发现在不同训练集中，训练样本变化时，向量随之变化，在测试集中表现一般，在实测中几乎无用。于是想到向量化的方法问题，使用sklearn CountVectorizer方法进行向量化，仅仅是将所有词频无序的向量化，看到

  3. 所属分类：机器学习

  1. sklearn0.19中文文档

  2. sklearn0.19中文文档 PDF格式高清。 .1. 广义线性模型 1.1.1. 普通最小二乘法 1.1.1.1. 普通最小二乘法复杂度 1.1.2. 岭回归 1.1.2.1. 岭回归的复杂度 1.1.2.2. 设置正则化参数：广义交叉验证 1.1.3. Lasso 1.1.3.1. 设置正则化参数 1.1.3.1.1. 使用交叉验证 1.1.3.1.2. 基于信息标准的模型选择 1.1.3.1.3. 与 SVM 的正则化参数的比较 1.1.4. 多任务 Lasso 1.1.5. 弹性网络

  3. 所属分类：机器学习

    • 发布日期：2018-10-30
    • 文件大小：14mb
    • 提供者：hardpen2013

  1. 贝叶斯模型.docx

  2. 该文档包含生成模型、判别模型的区别，高斯判别模型与LR之间的关系，NB以及基于拉普拉斯平滑处理的NB的例子，EM算法流程及例子，最后以一个常见的垃圾邮件分类为例解释说明贝叶斯算法。

  3. 所属分类：机器学习

    • 发布日期：2019-06-06
    • 文件大小：2mb
    • 提供者：qq_24729325

  1. scikit-learn-0.21.3-中文文档.pdf

  2. scikit-learn 是基于 Python 语言的机器学习工具 简单高效的数据挖掘和数据分析工具 可供大家在各种环境中重复使用 建立在 NumPy ，SciPy 和 matplotlib 上 开源，可商业使用 - BSD许可证1.监督学习 1广义线性模型 °1.1.1普通最小二乘法 1.1.2岭回归 1.1.3LaSs0 o1.1.4多任务 Lasso 115弹性网络 o116多任务弹性网络 1.1.7最小角回归 1.1. 8 LARS Lasso 1.19正交匹配追踪法(OMP 1.1.1

  3. 所属分类：机器学习

    • 发布日期：2019-08-24
    • 文件大小：40mb
    • 提供者：h394266861

  1. 基于小波包—贝叶斯的小电流接地系统故障选线方法

  2. 针对现有小电流接地系统故障选线方法存在故障状况复杂、故障信号特征不明显等问题,提出了一种基于小波包-贝叶斯的小电流接地系统故障选线方法。该方法首先按故障过渡电阻值的大小将小电流接地系统故障分为强故障模式、中等故障模式、弱故障模式,并分别构建相应的贝叶斯分类器;在故障特征提取方面,采用db小波包按照能量最大原则选取各条线路的故障特征频带,对所构建的3类分类器进行训练后,再将提取的各条线路的特征频带输入到分类器进行故障类型的判别;最后,采用"少数服从多数"的原则,对3类分类器的输出结果进行表决,进而

  3. 所属分类：其它

    • 发布日期：2020-05-24
    • 文件大小：281kb
    • 提供者：weixin_38701407

  1. lssvm的葡萄酒较好分类效果.zip

  2. 通过使用lssvm对葡萄酒数据集进行分类然后使用lssvm工具箱，哈哈。1) 同样是对原始对偶问题进行求解，但是通过求解一个线性方程组（优化目标中的线性约束导致的）来代替SVM中的QP问题（简化求解过程），对于高维输入空间中的分类以及回归任务同样适用；   2) 实质上是求解线性矩阵方程的过程，与高斯过程（Gaussian processes），正则化网络（regularization networks）和费雪判别分析（Fisher discriminant analysis）的核版本相结合；

  3. 所属分类：机器学习

    • 发布日期：2020-06-24
    • 文件大小：42kb
    • 提供者：qq_42232540

  1. 判别类条件贝叶斯网络分类器的量子粒子群优化参数学习

  2. 针对贝叶斯网络分类器在处理多属性分类问题时,存在分类精度下降、算法运行时间过长等问题,提出一种判别类条件贝叶斯网络模型。该模型在类条件贝叶斯模型的基础上,将条件对数似然函数以对数形式重新参数化,并使用量子粒子群优化算法最大化目标函数。新模型采用判别参数学习方法,直接计算条件概率,对于分类问题更加高效。本研究将判别类条件贝叶斯网络模型与TAN分类器相结合,使用量子粒子群算法进行优化,用于对液体火箭发动机的故障诊断与分类中。针对某型号火箭的仿真数据进行故障诊断与分类,与传统的贝叶斯分类器相比,改进的

  3. 所属分类：其它

    • 发布日期：2020-07-25
    • 文件大小：852kb
    • 提供者：weixin_38508821

  1. 功能性近红外光谱法对精神分裂症不同分类诊断方法的评价

  2. 基于近红外光谱（NIRS），最近有越来越多的证据表明，精神分裂症患者在口语流利任务（VFT）期间前额叶皮层表现出异常的功能活动。 因此，一些研究已尝试采用NIRS测量以不同的分类方法将精神分裂症患者与健康对照区分开。 但是，没有进行系统的评估来比较它们在相同研究人群中的各自分类表现。 新方法在这项研究中，我们评估了四种分类方法（包括线性判别分析，k最近邻，高斯过程分类器和支持向量机）在NIRS辅助精神分裂症诊断中的分类性能。 我们招募了120位精神分裂症患者和120位健康对照的大量样本，并使用多

  3. 所属分类：其它

  1. 高光谱影像光谱空间分类的保留原位判别分析和高斯混合模型

  2. 高光谱影像光谱空间分类的保留原位判别分析和高斯混合模型

  3. 所属分类：其它

  1. 使用混合生成/判别方法从图像数据库中学习语义概念

  2. 近年来，语义鸿沟已成为基于内容的图像检索的瓶颈。 为了弥合差距并提高检索性能，自动图像标注已成为一个关键问题。 本文提出了一种混合方法来自动学习图像的语义概念。 首先，我们提出了连续概率潜在语义分析（PLSA），并推导了其相应的期望最大化（EM）算法。 连续PLSA假定元素是从给定潜在方面的多元高斯分布中采样的，而不是传统PLSA中的多项式。 此外，我们提出了一种混合框架，该框架在生成学习阶段中采用连续PLSA来建模图像的视觉特征，并在识别学习阶段中使用分类器链的集合对多标签数据进行分类。 因此

  3. 所属分类：其它

  1. 钞票认证分类：关于真实和伪造钞票分类的机器学习项目-源码

  2. 真假钞票分类 关于数据集： 该数据库包含5个属性，共有1372个实例。 任务是将笔记分类为真实还是假，0为假，1为真实。 使用的算法： 逻辑回归 线性判别分析 K邻居分类器 决策树分类器 高斯朴素贝叶斯 支持向量机 准确性结果： LR 0.991793（0.006367） LDA 0.976264（0.013118） KNN 1.000000（0.000000） 购物车0.980826（0.016641） NB 0.841318（0.049469） SVM 0.995438（0

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：22kb
    • 提供者：weixin_42176827

  1. 高光谱遥感数据集成分类算法

  2. 在实际应用中，在高光谱遥感图像的监督分类中很难获得足够数量的训练样本。 此外，训练样本可能无法代表整个空间的真实分布。 为了解决这些问题，提出了一种结合生成算法（高斯混合）和判别模型（支持集群机）的集成算法进行分类。 对反射光学系统成像光谱仪传感器收集的高光谱数据集进行的实验结果验证了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：206kb
    • 提供者：weixin_38709379

  1. 基于Gabor特征与局部保护降维的高光谱图像分类算法

  2. 提出了两种基于Gabor特征与局部保护降维的高光谱图像分类算法。该算法利用嵌入主成分分析的Gabor变换对高光谱图像进行特征提取。为了保护相邻特征的局部信息，利用局部Fisher判别分析或局部保护非负矩阵分离对Gabor特征进行降维，并采用高斯混合模型分类器对降维后的特征进行分类。两组高光谱数据的实验结果表明，本文算法不但能充分挖掘高光谱图像的谱间-空间特征，而且有效保护了高光谱图像的局部特征信息与多模型结构。与现有的几种算法相比，本文算法能得到更高的分类精度和Kappa系数，在高斯噪声环境中也

  3. 所属分类：其它

  1. 高斯线性过程和多邻域优化的高光谱图像分类

  2. 针对基于光谱信息的分类算法分类精度不佳的问题,提出了高斯线性过程和多邻域优化的高光谱图像分类算法。首先,对原始样本数据进行高斯滤波和线性判别降维处理,然后通过多元逻辑回归模型对数据进行分类,得到数据初始预测标签,再联合局部像元空间位置信息确定预测标签的置信度,通过三层串联的邻域优化层对初预测标签进行校正处理,得到最终的分类结果。将所提算法与其他算法在Indian Pines、Pavia University、Salinas高光谱遥感数据库上进行对比实验,实验结果表明:所提算法在分类精度和时间效率

  3. 所属分类：其它

  1. 基于D-vine Copula理论的贝叶斯分类器设计

  2. 高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copula函数研究特征变量之间的相关性优化问题,设计基于D-vine Copula理论的贝叶斯分类器,主要目的是为了提高类条件概率密度估计的准确性.将变量的联合概率分布分解为一系列二元Copula函数与边缘概率密度函数的乘积,采用核函数方法对边缘概率密度进行估计 ,通过极大似然估计对二元Copula函数的

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：226kb
    • 提供者：weixin_38596117
« 12 3 »