搜索资源列表
BPandBayeserandzjl
- 手写体数字识别的程序，用了三种方法，贝叶斯，最近邻和BP神经网络，用MATLAB编写的，算法简单易懂，结构清晰-Handwritten digital recognition procedures, using three methods, Bayesian, Nearest Neighbor and BP neural network, written in MATLAB, the algorithm is easy to understand, clear structure
高风代码
- 本内容是有关机器学习的包含贝叶斯分类器，随机森林，支持向量机，神经网络，logistic多元回归等(The contents of this paper are machine learning, including Bayesian classifier, random forest, support vector machines, neural network, logistic multiple regression and so on)
手写数字识别
- 贝叶斯，神经网络等不同算法下的手写数字识别比较并建立了GUI界面可视化(Bias, neural network and other algorithms under the handwritten numeral recognition, comparison and establishment of the GUI interface visualization)
Chapter_2.1.1.3
- 贝叶斯算法、决策树、神经网络等算法的简单python实现(Bias algorithm, decision tree and neural network)
PNN
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(The rate neural network, first proposed in 1989, is a branch of the RBF network and is one of the fe
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
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)
第一次作业_基于分类算法的雷达状态识别
- 第一次作业_基于分类算法的雷达状态识别 对于本数据集中的雷达状态识别，数据降维前使用朴素贝叶斯、支持向量机、神经网络的分类算法对于识别的准确率无太大影响；数据降维后使用神经网络算法最优，支持向量机算法其次，朴素贝叶斯算法较差。此外，训练样本越多，分类准确率有小幅度提高。(First Operation Radar State Recognition Based on Classification Algorithms For radar state recognition
Pattern Recognition
- matlab实现一些基础的模式识别工作，如贝叶斯分类，聚类算法，bp神经网络(Matlab implements some basic pattern recognition work, such as Bayesian classification, clustering algorithm, BP neural network)