搜索资源列表
47016
- SKLearn 的ＳＶＣ工具包，用于测试训练样本集的练习(The tools for SKLearn SVC)
supcivlsor-consist-expression
- 一个SVM训练工具,能够快速对训练集训练,给出分类判别函数,,()
SVM_VER_3.0
- SVM算法模型，可根据具体的训练集训练自己的算法模型。(SVM algorithm model and method, you could check the source code for matlab and study it.)
tc-corpus-answer
- 语料库训练集 ， 适用于文本分类中的训练(Corpus training set for training in text classification)
CNN
- 使用cnn提取图像特征，然后用SVM分类，此处没有给出训练集，另外imagenet-caffe-alex部分代码需要注意，需要下载的话把注释掉的代码打开(Using CNN image feature extraction, and then use the SVM classification, there were no given training set, also need to pay attention to imagenet-caffe-alex part of the code
Extended Yale B Database
- 这是MNIST数据库（一个手写数字的数据库，它提供了六万的训练集和一万的测试集，它的图片是被规范处理过的，28*28的灰度图） 总共4个文件: train-labels-idx1-ubyte: training set labels t10k-images-idx3-ubyte:? test set images t10k-labels-idx1-ubyte:? test set labels train-images-idx3-ubyte: training set images(T
0111602
- 一个SVM训练工具,能够快速对训练集训练,给出分类判别函数,,()
cofxial
- 一个SVM训练工具,能够快速对训练集训练,给出分类判别函数,,()
PCA
- 1、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取. 2、读入图片，根据PGN格式的line 2 确定矩阵的大小为 28*28=784，根据line4 获取。 3、计算平均矩阵。 4、对平均值矩阵进行SVD： 5、平均矩阵进行SVD后的前20个singular vector的输出结果。 6. 将训练集的每一张图片当成一行，形成一个矩阵，然后对矩阵进行PCA分解。 7. 这个矩阵对测试集的每张图片进行降 维，得到的图像。(1, rea
elmshixian(jiazhushi )
- 利用elm算法进行多分类或者回归，实现训练集和数据集的处理和分类(Using the elm algorithm for multiple classification or regression,realize the processing and classification of training set and data set)
tist_aux__statement
- 支持向量机,用于分类,含训练集与测试集,()
hadio__command
- 支持向量机,用于分类,含训练集与测试集,里面含有六个源程序()
情感分析
- 分类，用于对情感词的统计、排序、分类等 包括源程序、数据拆分程序、训练集和测试集(Classification for statistics, sorting and classification of emotional words Includes source programs, data split programs, training sets, and test sets)
粗糙集
- 采用某股份制银行的698 家贷款企业样本, 基于粗糙集-Elman 神经网络集成构建了贷款企业五 级分类评估模型.该模型首先应用粗糙集理论约简出重要指标体系, 然后将训练样本送入Elman 神经网 络进行学习和训练, 进而对检验样本的风险等级进行判别.结果表明, 与传统的logistic 回归模型相比, 粗 糙集-神经网络系统对检验样本预测精度更高, 是一种更为有效和实用的分类方法, 为我国商业银行五 级分类管理提供一个新的方法. 关键词: 粗糙集;Elman 神经网络
Recognition
- 将数量较少的故障样本分为训练集和测试集，实现故障的分类和识别(A small number of fault samples are divided into training set and test set to realize fault classification and recognition.)
KNN分类器
- 一、用python或matlab编写一个KNN分类器 训练集为semeion_train.csv（手写体识别） 测试集为semeion_test.csv 计算在测试集上错误率（k=1,k=3,k=5,k=10） ?(1. Write a KNN classifier with Python or matlab Training set is semeion_train.csv (handwriting recognition) The test set is semeion_test
data
- data数据集，可以用于倦级神经网络的训练。(Data data set can be used for training of tired neural network.)
fs_sup_relieff
- Relief算法中特征和类别的相关性是基于特征对近距离样本的区分能力。算法从训练集D中选择一个样本R，然后从和R同类的样本中寻找最近邻样本H，称为Near Hit，从和R不同类的样本中寻找最近样本M，称为Near Miss，根据以下规则更新每个特征的权重： 如果R和Near Hit在某个特征上的距离小于R和Near Miss上的距离，则说明该特征对区分同类和不同类的最近邻是有益的，则增加该特征的权重；反之，如果R和Near Hit在某个特征上的距离大于R和Near Miss上的距离，则说明该特
texton boost
- 基于texton boost的图像分割，有监督，需要自己添加ground truth到训练文件夹进行训练，测试集和训练集随机分配(S upervised image segmentation based on texton boost. It needs to add ground truth to the training folder for training, and the test set and training set are allocated randomly.)
UCI的光学字符识别数据集
- 其目标是将大量黑白矩形像素显示器中的每一个识别为英文字母中的26个大写字母之一。字符图像基于20种不同的字体，并且这20种字体中的每个字母随机失真以产生20,000个独特刺激的文件。每个刺激被转换成16个基本的数字属性（统计矩和边缘计数），然后将其缩放以适合从0到15的整数值范围。我们通常在前16000个项目上进行训练，然后使用结果模型预测剩余的4000个字母类别。请参阅上面引用的文章以获取更多详细信息。(The objective is to identify each of a large