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. 疲劳驾驶状态检测系统的设计

  2. 司机疲劳驾驶容易引起严重的交通事故，疲劳状态检测系统的研究成为计算机应用研究的重要领域。为了满足疲劳状态检测系统实时性要求，选择实时性较好的Adaboost算法来识别人眼，采用单位时间内眼睛闭合时间所占的百分率来判断疲劳状态，应用该算法后进行疲劳驾驶训练和识别研究。选择DSP移植方案并将疲劳状态检测算法移植到DSP中。经过实时检测实现的系统基本能满足实时检测疲劳驾驶的要求。

  3. 所属分类：其它

    • 发布日期：2020-10-25
    • 文件大小：167936
    • 提供者：weixin_38668160

  1. 多分类数据集生成matlab代码

  2. 用于生成测试多分类算法的数据集。自动生成500组数据，数据分为5种类型。适用于adaboost算法，svm算法，BP算法。

  3. 所属分类：其它

    • 发布日期：2020-12-01
    • 文件大小：1024
    • 提供者：Glico1520

  1. EEGClassification.zip

  2. 实现脑电信号的情绪分类，1.特征提取方法：自回归（Autoregression，AR），公共空间模式（Common Spatial Pattern ，CSP），离散小波变换（Discrete Wavelet Transform，DWT）和功率谱密度（ Power Spectral Density，PSD）； 2. 特征分类方法：Bagging、Boosting、AdaBoost

  3. 所属分类：机器学习

    • 发布日期：2020-12-22
    • 文件大小：1048576
    • 提供者：weixin_43857827

  1. 随机森林 (Random Forests) 简单介绍与应用

  2. 1 集成方法(Ensemble methods) 1.1 什么是集成方法 简单来说，集成方法 就是组合多个模型，以获得更好效果。 1.2 两种集成方法 平均法(averaging methods)：也有人直接称之为“袋装法”，所有算法进行 相互独立 训练得到各自的模型，然后再进行投票选择最好的模型。如 随机森林(Forests of randomized trees) 与 袋装法(Bagging methods) 。 提升法(boosting methods)： 训练开始后，从第二个模型开始，每

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：90112
    • 提供者：weixin_38545768

  1. python 进行各种回归

  2. 基本回归：线性、决策树、SVM、KNN 集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees ##学会了数据分层抽样，以及各种回归的代码书写。可能还需要注意调参等。 继续学习网址：使用sklearn做各种回归 数据准备 from matplotlib import pyplot as plt %matplotlib inline plt.style.use('fivethirtyeight') #设置matplotlib作图风格 impo

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：107520
    • 提供者：weixin_38697659

  1. AdaBoost_demo.ipynb

  2. 使用python实现adaboost算法实现过程，对于理解adaboost算法有很好的帮助

  3. 所属分类：互联网

    • 发布日期：2020-12-31
    • 文件大小：24576
    • 提供者：a18829292719

  1. opencv实现图片与视频中人脸检测功能

  2. 本文实例为大家分享了opencv实现人脸检测功能的具体代码，供大家参考，具体内容如下 第一章：反思与总结 上一篇博客我相信自己将人脸检测中的AdaBoost算法解释的非常清晰了，以及如何训练人脸检测的强分类器：人脸检测中AdaBoost算法详解。事后，自我感觉对这个人脸检测还是不够具体，所以自己抽了一下午的时间用opencv实现图片与视频中的人脸检测，下面是我用vs2013加opencv4.9来实现的。做一下声明，我的代码是参考OpenCV实现人脸检测的一个博客写的，非常感谢这位博主，我学到了很

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：233472
    • 提供者：weixin_38722721

  1. Python使用sklearn实现的各种回归算法示例

  2. 本文实例讲述了Python使用sklearn实现的各种回归算法。分享给大家供大家参考，具体如下： 使用sklearn做各种回归 基本回归：线性、决策树、SVM、KNN 集成方法：随机森林、Adaboost、GradientBoosting、Bagging、ExtraTrees 1. 数据准备 为了实验用，我自己写了一个二元函数，y=0.5*np.sin(x1)+ 0.5*np.cos(x2)+0.1*x1+3。其中x1的取值范围是0~50，x2的取值范围是-10~10，x1和x2的训练集一共有5

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：431104
    • 提供者：weixin_38668776

  1. 树模型学习笔记整理

  2. 树模型学习笔记整理一、原理二、特征选择2.1信息增益2.2信息增益比三、生成算法3.1 ID3算法3.2 C4.5的生成算法四、决策树的剪枝五、CART算法5.1 CART生成5.2 分类树的生成5.3 CART剪枝六、提升树6.1 AdaBoost算法6.2 提升树6.2.1 提升树模型6.2.2 提升树算法6.2.3 梯度提升6.2.4 随机森林 VS 梯度提升树6.3 xgboost6.3.1 结构分6.3.2 分解结点6.3.2.1 贪心算法6.3.2.2 近似算法6.3.3 加权分桶6

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：189440
    • 提供者：weixin_38605144

  1. 人脸相关算法

  2. 人脸检测算法 https://www.cnblogs.com/JYLJX666/p/10613441.html 传统方法： adaboost adaboost+Haar-like ACF DMP MTCNN： http://www.sfinst.com/?p=1683 https://www.jianshu.com/p/2f749b07e09f https://zhuanlan.zhihu.com/p/63948672 算法整体思路： stage1：基于图像金字塔的思想，原图经过resize成

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：3145728
    • 提供者：weixin_38646634

  1. 你为什么需要数据分析能力？

  2. 你为什么需要数据分析能力？ 学会如何从海量的数据中找到关联关系进行价值挖掘 数据分析分为三个重要的组成部分： 数据采集 数据源攻击使用爬虫编写 数据挖掘 基本流程十大算法数据基础 数据可视化 使用Python可视化 数据挖掘 十大算法：分类算法：C4.5,朴素贝叶斯，SVM,KNN,Adaboost,CART, 聚类算法：K-Means,EM 关联分析：Apriori 连接分析：PageRank C4.5

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：72704
    • 提供者：weixin_38546846

  1. (四)OpenCV级联分类器训练与使用_01_Haar与LBP级联分类器原理

  2. ①Haar特征与LBP特征 小波特征+对角线特征“类Haar特征”,局部二值模式“替代特征LBP”。 ②级联分类器原理AdaBoost Viola和Jones,2001在CVPR提出; 一种实时对象(人脸)检测框架; 训练速度非常慢,检测速度非常快; 5000个正向人脸样本与300万个非人脸负样本数据。 级联分类器:多个强分类器组合 弱分类器:weak classifier = Feature 强分类器:多个弱分类器的线性组合 ③OpenCV中级联分类器使用CascadeClassifier 加

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：142336
    • 提供者：weixin_38663169

  1. AdaBoost scikit-learn相关参数

  2. 1.AdaBoostClassifier base_estimator：弱分类器对象，默认为CART分类树 DecisionTreeClassifier； algorithm：SAMME和SAMME.R；SAMME表示构建过程中 使用样本集分类效果作为弱分类器的权重；SAMME.R使用对样本集分类的预测概率大小作为弱分类器的权重。由于SAMME.R使用了连续的概率度量值，所以一般迭代比SAMME快，默认参数为SAMME.R；强调：使用SAMME.R必须要求base_estimator指定的弱分类

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：34816
    • 提供者：weixin_38625164

  1. 监控视频中基于分类器的行人检测

  2. 在视觉监控领域，行人检测可以用于许多情况下，这是许多研究人员所关注的。为了解决遮挡问题，基于头肩的行人检测方法功能。首先，行人的位置可以是通过使用垂直和水平投影特性大致获得滑动窗口中的前景像素与AdaBoost分类器结合在一起。其次，我们可以使用结合SVM的边缘定向梯度特征直方图。这实验结果表明，所提方法是有效的。部分遮挡问题。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：413696
    • 提供者：weixin_38537777

  1. 基于监督学习的日冕暗化检测与提取算法

  2. 日冕物质抛射(CME)是空间灾害天气的重要驱动源,而日冕暗化(dimming)被认为是CME初发的主要表征,对理解和预测CME具有重要作用。基于极紫外成像望远镜(EIT)和大气成像仪(AIA)的观测数据,实现了图像中日冕暗化现象的检测与提取。通过分析差分图中与暗化现象相关的图像统计特征,采用Adaboost分类算法检测暗化现象的发生,进而分割出日冕暗化区域。实验表明,提出的算法较现有算法能更准确有效地检测和提取日冕暗化区域,为分析日冕暗化特性提供了研究基础。

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：381952
    • 提供者：weixin_38535808

  1. Projects-Portfolio-源码

  2. 数据科学组合 概括 该存储库由我为学术和自学目的而完成的端到端数据科学项目组成。 以iPython Notebooks的形式呈现。 按照以下步骤完成项目，它们是： 机器学习步骤 定义问题陈述：通过检查数据集并确定解决问题陈述所需的机器学习模型的类型来定义问题陈述。 探索性数据分析（EDA） ：在此步骤中，将对数据进行细致的分析以提取任何新信息，以查找自变量内以及自变量与因变量之间的任何关系。 使用单变量分析，双变量分析和相关矩阵。 处理任何空值。 检查数据的偏斜度。 处理异常值：使用Z Sc

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：33554432
    • 提供者：weixin_42134240

  1. 提高加权ELM以实现不平衡学习

  2. 用于单层前馈神经网络（SLFN）的极限学习机（ELM）是一种强大的机器学习技术，并且以其快速的学习速度和良好的泛化性能而受到关注。 最近，提出了加权ELM来处理具有不平衡类分布的数据。 加权ELM的关键本质是为每个训练样本分配了额外的权重。 尽管提供了一些经验加权方案，但是如何确定更好的样本权重仍然是一个悬而未决的问题。 在本文中，我们提出了一种Boosting加权ELM，它将加权ELM无缝地嵌入到经过修改的AdaBoost框架中，以解决上述问题。 直观地，反映训练样本重要性的AdaBoost框

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：572416
    • 提供者：weixin_38506182

  1. 语义数据集中的噪声类型断言检测

  2. 语义数据集提供了自动化许多任务的支持，例如决策制定和问题解答。 但是，它们的性能总是被数据集中的噪声所降低，其中，嘈杂的类型断言起着重要的作用。 这个问题主要在数据挖掘领域研究，而不是在语义Web社区中研究。 在本文中，我们利用隐藏在数据集中的概念不相干关系来研究语义Web数据集中的噪声类型断言检测问题。 我们将嘈杂的类型断言检测转换为类型断言对的多类分类，这些类型断言将一个人分为两个潜在的不相交的概念。 Adaboost使用C4.5作为基本分类器解决了多类分类问题。 此外，我们基于instan

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：231424
    • 提供者：weixin_38673812

  1. CA04-源码

  2. CA04：集成模型 比较不同集成模型的性能。 资料总览数据集是从人口普查局获得的，其工资被分类为少于50k或大于或等于50k。 这些人是根据许多人口统计学变量进行分类的，包括年龄，资本损益，教育程度，每周工作时间，婚姻状况和关系，职业以及种族和性别。 脚步 数据质量分析 数据清理 寻找决策树分类器模型的最优值 寻找AdaBoost的最佳价值 寻找梯度Boost分类器的最优值 为XGB模型寻找最佳价值 比较表格中的效果 配套 将熊猫作为pd导入将numpy导入为np 从sklearn.imput

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：302080
    • 提供者：weixin_42134338

  1. 基于库曼卡尔曼滤波器和神经网络的GPS中断期间MEMS-INS / GPS系统的双重优化

  2. 为了提高基于微机电系统（MEMS）的惯性导航系统（INS）/全球定位系统（GPS）集成导航系统的性能，提出了一种双重优化方案，该方案包括一个库尔曼卡尔曼滤波器（CKF）-多层感知器。 （MLP）和径向基函数（RBF）-CKF用于补偿GPS中断期间的位置和速度误差。 所提出的方法具有以下优点：（i）CKF-MLP的泛化能力远优于扩展卡尔曼滤波器（EKF）-MLP和无味卡尔曼滤波器（UKF）-MLP等其他方法。提出的CKF-MLP甚至在长时间GPS中断时也能提供高度准确的位置信息； （ii）RBF-

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：2097152
    • 提供者：weixin_38727798
« 1 2 ... 45 46 47 48 49 50»