搜索资源列表
Spam-Detection-master
- 贝叶斯垃圾邮件分类器，使用Python编写，使用SMSSpamCollection数据集(Bias spam classifier)
kernelBP_chol
- 针对图像的基于核置信传播的分类器，具有收敛速度快，精度高的优点。(This is a sample code for Kernel Belief Propagation Classifier for images.)
NativeBayes
- 朴素贝叶斯垃圾邮件分类器，好歹哦后期维护阿里斯顿啊两千万(Naive Bayes spam classifier)
svm参数优化
- 采用svm来做分类，一般能得到较满意的结果，但用svm做分类预测时需要调节相关的参数才能得到比较理想的预测分类准确率，那么svm的参数该如何选取？该程序主要说明如何更好地提升分类器性能。(Use svm to do the classification, the general can get more satisfactory results, but when using svm to do classification prediction need to adjust the relev
fisher
- 实现简单的FISHER线性分类器。 数据格式同UCI(A simple FISHER linear classifier . Data format as UCI)
DocumentClassification-master
- 文本分类器 方便使用 效率高 友好 完整(text classifier convinient to use)
贝叶斯
- 贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类(The classification principle of Bias classifier is to calculate the posterior probability by using Bias's formula through the prior probability of an object, that is, the proba
work
- 贝叶斯下文本分类器，python语言，包括中文分词和英文分词(Bias's lower text classifier, python language, including Chinese participle and English participle)
Bayes classifier
- 基于贝叶斯分类器的数据处理与MATLAB实现(Data processing based on MATLAB implementationof Bayes classifier)
OpenCV-detection-models-master
- 已经训练好的opencv 物体识别分类器(opencv_2 haarcascade_XX_.xml)
随机森林分类器
- 对提取好的n维特征，实现随机森林分类器分类。(For the extraction of good characteristics, the realization of random forest classification)
iris12
- 基于LSSVM的分类器，用于iris的三种分类，4种特征进行3类分类，准确率90%以上(LSSVM FOR IRIS,The classifier based on LSSVM is used for three classifications of iris, and 4 features are classified by 3 categories. The accuracy rate is over 90%.)
SVM的参数优化——如何更好的提升分类器的性能
- SVM的参数优化——如何更好的提升分类器的性能，含有源程序和代码(SVM parameter optimization - how to better improve the performance of the classifier, containing source code and code)
人脸检测OPENCV
- 使用VS2013编写+OPENCV2.49，能够读取图片并识别人脸，采用 分类器制作，调试通过，也可以改为摄像头
mnist
- 使用了全连接网络，卷积神经网络，循环神经网络分别构建不同的分类器，如何通过模型保存原理进行保存。(Using the fully connected network and convolution neural network, recurrent neural network builds different classifiers respectively, and how to save them through the preservation principle of the mode
fisher
- fisher两类线性分类器demo,二维高斯随机数为测试数据(A demo about Fisher linear classifier(Two class))
树叶分类器数据代码集
- 机器学习之树叶分类器数据代码集 训练集与其他(the language is python. shuye fenleiqi shuju daima ji)
随机森林算法分类、回归
- 随机森林分类器，matlab写的，直接可以运行，不需要该任何东西，详细看readme和案例。-Random Forest classifier, matlab write, direct run, does not require that anything
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class
nichingparticle-swarm-optimization
- 粒子群优化算起源于对鸟群、鱼群以及对某些社会行为的模拟，是一种基于群体智能的进化计算技术。而小生境技术则起源于遗传算法，这种方法能使基于群体的随机优化算法形成物种，从而使相应的优化算法具有发现多个最优解的能力。而多分类器集成技术则是通过多个分类器进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。多分类器集成技术要求基元分类器不仅个体性能要好并且其差异度要大，这与小生境技术形成物种的能力具有很多内在的相似性。目前己经有研究者将小生境技术应用于多分类器集成，但由于传统的小生境技术仍然不完善