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. Ho-Kashyap算法

  2. Ho-Kashyap算法，用于求解判别界面方程。

  3. 所属分类：专业指导

    • 发布日期：2012-02-04
    • 文件大小：38kb
    • 提供者：zrf1234

  1. sigmod2011全部论文(3)

  2. 以前和大家分享过SIGMOD2009的论文，朋友们都很感兴趣，现手里有SIGMOD211的全部论文，再次和大家分享~ 一个包放不下，一共分成了3个包，包含百余篇论文，朋友们可以挑选自己感兴趣的部分下载，我尽量把文章目录写得明白一些。 这是第三部分 Emerging Trends in the Enterprise Data Analytics: Connecting Hadoop and DB2 Warehouse (Page 1161) Fatma Özcan (IBM Almaden Re

  3. 所属分类：数据库

    • 发布日期：2012-07-04
    • 文件大小：26mb
    • 提供者：jiajia4487

  1. Ho-Kashyap算法.doc

  2. 为了保证算法可以收敛到分类超平面，必须做出改进。我们知道，对于线性可分的数据一定可以找到解向量 aa 使 a⊤yi>0a⊤yi>0 对所有样本 yiyi（ i=1,2,⋯,Ni=1,2,⋯,N）都成立。那么换句话说，一定存在一个 aa 和 bb ，使下式成立 Ya=b>0 Ya=b>0 接下来要做的就是调整MSE的准则函数，做法就是让 bb 也是需要学习的参数，而不是事先指定好的，这就引出了Ho-Kashyap算法

  3. 所属分类：机器学习

    • 发布日期：2019-06-02
    • 文件大小：31kb
    • 提供者：weixin_45061734

  1. LMSE(Ho-Kashyap).rar

  2. 下载了很多LMSE(Ho-Kashyap)实现代码，挑选汇总了一下，有C++和Matlab实现

  3. 所属分类：机器学习

    • 发布日期：2019-06-04
    • 文件大小：220kb
    • 提供者：sinat_37819543

  1. 模式识别作业.docx

  2. 批处理感知器算法，线性判别函数，多类分类one-vs-all 技巧，画决策面，编写Ho-Kashyap算法并应用到w1和w3数据上，再应用到w2和w4数据上，指出并分析训练误差。请写一个程序，实现MSE多类扩展方法。每一类用前8个样本来构造分类器，用后两个样本作测试,再给出正确率。

  3. 所属分类：电信

    • 发布日期：2020-03-27
    • 文件大小：319kb
    • 提供者：qq_36918538

  1. 基于矩阵模式的三重结构化分类器设计

  2. 传统的矢量化分类器应该包含类结构信息，但会忽略单个模式的单个结构。 相比之下，矩阵化分类器应该同时考虑类和单个结构，因此比矢量化分类器具有更好的性能。 在本文中，我们探索了一种中间粒度，称为类与个体之间的簇，并将簇的结构（即每个类内的结构）引入矩阵化的分类器设计中。 这样做可以从全局到点同时使用类，群集和单个结构。 因此，本文提出的分类器设计具有三层结构信息，可以使分类性能提高。 在实践中，我们采用Ho-Kashyap算法的修改，以误分类误差（MHKS）的平方近似为学习范式，并开发了三重结构的M

  3. 所属分类：其它