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. 模式分析的核方法英文版 Kernel Methods for Pattern Analysis

  2. 本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。 　　 本书适用于所有从事模式识别、机器学习、神经网络及其应甩的学生、教师和研究人员。

  3. 所属分类：网络基础

    • 发布日期：2010-04-14
    • 文件大小：3145728
    • 提供者：abcdegg

  1. HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用

  2. 针对语音检测问题，HMM动态模式识别理论、方法以及在旋转机械故障诊断中的应用

  3. 所属分类：电信

    • 发布日期：2012-08-27
    • 文件大小：4194304
    • 提供者：huao1990

  1. VC++数字图像模式识别技术及工程实践

  2. 目录 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主

  3. 所属分类：C++

    • 发布日期：2013-05-16
    • 文件大小：14680064
    • 提供者：a121649982

  1. Visual C++数字图像模式识别技术及工程实践工程源代码

  2. 第1章 绪论 1.1 模式和模式识别的概念 1.2 模式空间、特征空间和类型空间 1.3 模式识别系统的构成 1.3.1 信息获取 1.3.2 预处理 1.3.3 特征提取和选择 1.3.4 分类决策 1.4 物体的结构表示 1.5 图片识别问题 第2章 模式识别中的基本决策方法 2.1 基于最小错误率的贝叶斯决策 2.2 分类器设计 2.2.1 多类情况 2.2.2 两类情况 2.3 关于分类器的错误率 2.4 关于贝叶斯决策 2.5 线性判别函数的基本概念 2.6 设计线性分类器的主要步骤

  3. 所属分类：C++

    • 发布日期：2013-05-17
    • 文件大小：14680064
    • 提供者：a121649982

  1. OpenCV 中文开发文档

  2. 1、OpenCV的特点 [编辑] （1） 总体描述 OpenCV是一个基于C/C++语言的开源图像处理函数库 其代码都经过优化，可用于实时处理图像 具有良好的可移植性 可以进行图像/视频载入、保存和采集的常规操作 具有低级和高级的应用程序接口（API） 提供了面向Intel IPP高效多媒体函数库的接口，可针对你使用的Intel CPU优化代码，提高程序性能（译注：OpenCV 2.0版的代码已显着优化，无需IPP来提升性能，故2.0版不再提供IPP接口） [编辑] （2） 功能 图像数据操作

  3. 所属分类：C++

    • 发布日期：2013-05-27
    • 文件大小：13631488
    • 提供者：wdb821323209

  1. 模式分析的核方法

  2. 本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若于基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如hmm)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。. 　　本书适用于所有从事模式识别、机器学习、神经网络及其应用的学生、教师和研究人员。 　　模式分析是从一批数据中寻找普遍关系的过程。它逐渐成为许多学科的核心，从神经

  3. 所属分类：C

    • 发布日期：2013-11-12
    • 文件大小：30408704
    • 提供者：xuws20

  1. 模式分析的核方法

  2. 本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。一本很好的工具书。

  3. 所属分类：机器学习

    • 发布日期：2018-07-18
    • 文件大小：30408704
    • 提供者：aa11234

  1. 结巴分词（支持词性标注）

  2. 结巴分词早期版本。 * 结巴分词(java版) jieba-analysis 首先感谢jieba分词原作者[[https://github.com/fxsjy][fxsjy]]，没有他的无私贡献，我们也不会结识到结巴 分词，更不会有现在的java版本。 结巴分词的原始版本为python编写，目前该项目在github上的关注量为170， 打星727次（最新的数据以原仓库为准），Fork238次，可以说已经有一定的用户群。 结巴分词(java版)只保留的原项目针对搜索引擎分词的功能(cut_for

  3. 所属分类：深度学习

    • 发布日期：2018-12-17
    • 文件大小：3145728
    • 提供者：qq_34859668

  1. Python中文分词库Yaha.zip

  2. "哑哈"中文分词，更快或更准确，由你来定义。通过简单定制，让分词模块更适用于你的需求。 "Yaha" You can custom your Chinese Word Segmentation efficiently by using Yaha 基本功能： 精确模式，将句子切成最合理的词。 全模式，所有的可能词都被切成词，不消除歧义。 搜索引擎模式，在精确的基础上再次驿长词进行切分，提高召回率，适合搜索引擎创建索引。 备选路径，可生成最好的多条切词路径，可在此

  3. 所属分类：其它

    • 发布日期：2019-07-16
    • 文件大小：6291456
    • 提供者：weixin_39841856

  1. HMM动态模式识别理论_方法以及在旋转机械故障诊断中的应用.caj

  2. 本文以大型旋转机械为研究对象,研究了HMM动态模式识别理论与方法在旋转机械故障诊断中的应用,开辟了旋转机械计算机辅助故障诊断的新途径，在模式识别和故障诊断方面确实有指导意义。

  3. 所属分类：机器学习

    • 发布日期：2019-12-29
    • 文件大小：7340032
    • 提供者：scofield1986

  1. python中文分词,使用结巴分词对python进行分词(实例讲解)

  2. 在采集美女站时，需要对关键词进行分词，最终采用的是python的结巴分词方法。 中文分词是中文文本处理的一个基础性工作，结巴分词利用进行中文分词。 其基本实现原理有三点： 1.基于Trie树结构实现高效的词图扫描，生成句子中汉字所有可能成词情况所构成的有向无环图（DAG) 2.采用了动态规划查找最大概率路径, 找出基于词频的最大切分组合 3.对于未登录词，采用了基于汉字成词能力的HMM模型，使用了Viterbi算法 安装（Linux环境） 下载工具包，解压后进入目录下，运行：python set

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：71680
    • 提供者：weixin_38565631

  1. gse：进行高效的文本分割和NLP； 支持英语，中文，日语等。 语言高级分词-源码

  2. se 进行有效的文本分割； 支持英语，中文，日语等。 用双数组特里（Double-Array Trie）实现， 算法是基于词频加动态编程的最短路径，以及DAG和HMM算法的词分割。 支持通用，搜索引擎，完整模式，精确模式和HMM模式的多种分词模式，支持用户词典，POS标记，运行。 支持HMM剪切文本使用Viterbi算法。 文本分割速度9.2MB / s， 26.8MB / s。 HMM文本分割单线程3.2MB / s。 （2core 4threads Macbook Pro）。 捆绑：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：12582912
    • 提供者：weixin_42133753

  1. 序列雷达高分辨率测距剖面识别的自适应特征学习模型

  2. 本文提出了一种新的特征学习方法，用于识别雷达高分辨率距离剖面（HRRP）序列。 来自一个连续不断变化的纵横比角度的HRRP共同建模并通过一个称为判别式无限受限玻尔兹曼机（Dis-iRBM）的单一模型加以区分。 与常用的基于隐马尔可夫模型（HMM）的HRRP序列识别方法相比，该方法需要对HRRP信号进行有效的预处理，该方法是一种端到端方法，其输入是原始HRRP序列，并且输出是目标的标签。 所提出的模型可以有效地捕获序列中的全局模式，而HMM只能对局部动态建模，这会遭受信息丢失的困扰。 最后但并非最

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：2097152
    • 提供者：weixin_38557896