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. mRMRFeatureSelection

  2. mRMR_0.9_compiled最小冗余和最大相关特征选取源代码，-This package is the mRMR (minimum-redundancy maximum-relevancy) feature selection method, whose better performance over the conventional top-ranking method has been demonstrated on a number of data sets in recent p

  3. 所属分类：Proxy

    • 发布日期：2010-05-13
    • 文件大小：997kb
    • 提供者：cui13579

  1. mrmr_d_matlab_src

  2. 进行特征选择的经典mrmr的matlab程序

  3. 所属分类：专业指导

    • 发布日期：2011-11-29
    • 文件大小：3kb
    • 提供者：jinzhuan2010

  1. mrmr_d_matlab_scr

  2. mrmr matlab不好意识不记得是什么程序了，因为刚接触

  3. 所属分类：其它

    • 发布日期：2013-03-08
    • 文件大小：3kb
    • 提供者：hongliangzhou

  1. 各种特征选择方法

  2. 包含各种特征选择方法如：%MIFS %mRMR %CMIM %JMI %DISR CIFE %ICAP %CondRed %BetaGamma %CMI

  3. 所属分类：其它

    • 发布日期：2013-07-30
    • 文件大小：133kb
    • 提供者：sunyaxin2009

  1. MRMR算法，matlab for mac os x

  2. mrmr算法，用于计算分类的最大相关性，最小冗余性 google可以搜索官方网站，开源的！

  3. 所属分类：专业指导

    • 发布日期：2014-06-10
    • 文件大小：350kb
    • 提供者：nijs77

  1. mRMR算法包

  2. mRMR算法，用于计算分类的最大相关性，最小冗余性.已封装好，可以直接用。

  3. 所属分类：其它

    • 发布日期：2016-04-18
    • 文件大小：27kb
    • 提供者：lulei1217

  1. 基于spark的系统信息熵 条件熵计算

  2. 不错的开源利用spark计算CMIM， MRMR，MIFS等方法的spark库， 作者仿照spark ml mllib库的feature selection的功能， 扩展了支持系统信息熵计算的方式。 如果需要具体结果， 可以直接调用ml.feature中对应方法

  3. 所属分类：spark

    • 发布日期：2018-05-02
    • 文件大小：528kb
    • 提供者：ggyydm

  1. mrmr特征选择

  2. 64位Linux下执行，首先chmod 777 mrmr,然后./mrmr可显示具体使用帮助

  3. 所属分类：机器学习

    • 发布日期：2018-07-20
    • 文件大小：38kb
    • 提供者：w87522465

  1. MRMR(最小冗余最大相关）算法

  2. MRMR(最小冗余最大相关）算法以及可执行文件，欢迎下载！！！

  3. 所属分类：算法与数据结构

    • 发布日期：2018-08-13
    • 文件大小：723kb
    • 提供者：swust_lian

  1. 最大相关最小冗余的C语言源码

  2. 由c语言实现的最大相关最下冗余的特征选择算法源码部分。

  3. 所属分类：机器学习

    • 发布日期：2018-03-04
    • 文件大小：17kb
    • 提供者：tp15527185516

  1. 特征选择mRMR

  2. 该代码是最小冗余最大相关性（mRMR）代码，里面也包含了数据和案例，很容易跑通代码。

  3. 所属分类：IT管理

    • 发布日期：2018-10-30
    • 文件大小：9mb
    • 提供者：yundoummm

  1. FEAST2.0.0特征选择工具箱

  2. 本文档是用于特征选择的FEAST工具箱，里面有C、matlab、java类型的特征选择代码。有JMI、MRMR、CMIM、FCBC、MIM、RELIEF、WMIM等特征选择算法。 对于C语言代码，还需要MIToolbox的代码，会在后面上传，可下载

  3. 所属分类：其它

    • 发布日期：2019-06-14
    • 文件大小：80kb
    • 提供者：qq_28930197

  1. K-S检验与mRMR相结合的基因选择算法

  2. 为了解决基因数据集的基因选择难题，提出一种基于K-S检验与最小冗余最大相关（minimum redundancy-maximum relevance，mRMR）原则的基因选择算法。该算法先采用K-S检验选择出具有一定区分能力的基因，然后对选择到的基因进行mRMR判断，保留与类别高度相关而其间相关性较小的基因构成最终被选基因子集。以SVM为分类器，以F1_measure、分类准确率和AUC为评价指标对该算法选择的基因子集进行评估，并将本算法与K-S检验、mRMR，以及经典的RELIEF和FAST

  3. 所属分类：其它

  1. 利用热图像二阶统计特征和简化模糊ARTMAP的旋转机械故障诊断方法

  2. 由于能够显示实时温度分布并可以通过其温度指示机器的运行状况，因此热图像或热分析图成为一种用于机器状态监视和故障诊断的新型信号。 本文研究了将热分析图的二阶统计特征与最小冗余最大相关性（mRMR）特征选择和简化的模糊ARTMAP（SFAM）分类结合使用的方法，用于旋转机械故障诊断。 首先对不同机器条件的热分析图进行预处理，以改善图像对比度，消除噪声和裁剪以获得感兴趣的区域（ROI）。 然后，基于二维经验模式分解的增强算法被实现，以在从其灰度共生矩阵（GLCM）提取二阶统计特征之前进一步提高ROI的

  3. 所属分类：其它

    • 发布日期：2020-06-04
    • 文件大小：671kb
    • 提供者：weixin_38602189

  1. 特征选择算法mRMR.rar

  2. MRMR算法 MATLAB代码，特征选择算法，MRMR算法的实现，注释清楚且可成功运行，运行不了可联系博主。

  3. 所属分类：机器学习

    • 发布日期：2020-06-24
    • 文件大小：567kb
    • 提供者：weixin_42201071

  1. MRMR_Dataset_EEG:MRMR硕士-源码

  2. MRMR_Dataset_EEG MRMR硕士

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：14mb
    • 提供者：weixin_42153793

  1. mRMR和和谐搜索杂交基因选择和芯片数据的分类

  2. mRMR和和谐搜索杂交基因选择和芯片数据的分类

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：560kb
    • 提供者：weixin_38626928

  1. 通过特征选择和随机森林预测A-to-I RNA编辑

  2. RNA编辑是转录后的RNA过程，可提供RNA和蛋白质的复杂性来调节真核生物中的基因表达。 通过计算方法预测RNA编辑具有挑战性。 在这项研究中，我们开发了一种基于随机森林法预测RNA编辑的新方法。 基于最大相关最小冗余（mRMR）和增量特征选择（IFS）算法执行了仔细的特征选择过程。 从我们的数据集中的77个特征中选择了18个最佳特征，并用于构建最终的预测变量。 训练数据集的准确性和MCC（马修斯相关系数）值分别为0.866和0.742； 对于测试数据集，准确性和MCC分别为0.876和0.57

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：238kb
    • 提供者：weixin_38636577

  1. 通过特征选择和分析来区分赖氨酸乙酰化和赖氨酸泛素化的方法

  2. 赖氨酸乙酰化和泛素化是大多数真核生物蛋白中的两个主要翻译后修饰（PTM）。 赖氨酸残基是这两种PTM的靶标，导致不同的细胞作用。 随着蛋白质序列和PTM数据可用性的提高，区分赖氨酸残基上的两种PTM具有挑战性。 实验方法通常是费力且费时的。 迫切需要用于区分赖氨酸乙酰化和泛素化的计算工具。 在这项研究中，我们开发了一种称为DAUFSA的新方法（通过特征选择和分析区分赖氨酸乙酰化和赖氨酸泛素化），以区分泛素化和乙酰化的赖氨酸残基。 该方法结合了几种类型的功能：PSSM（位置特定的评分矩阵）保守评分

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：582kb
    • 提供者：weixin_38537777

  1. w207_project4：关于项目4的协作的回购-源码

  2. w207_project4 团队ErrorBuster！ 团队成员：叶爱丽，Prakhar Maini，Simran Bhatia，Srishti Mehra 项目链接： : 学习目标 复合建模-二级合奏 特征选择技术 基于信息的技术（MI，PMI，mRMR） 正则化 功能消除 文字分析 Word2vec Doc2vec 特征工程 基于文本的功能 时间特征 汇总不同的数据类型（自动编码器） 项目要素 文字（甲板） 初步的 最终的 EDA- 特征工程 造型 模型评估 确定指标

  3. 所属分类：其它

« 12 »