搜索资源列表
IRLS
- 实现了机器学习中的logistic regression 算法，可以对三类高斯分布的采样进行分类-Achieved in the logistic regression machine learning algorithm, can be three types of Gaussian distribution of samples to classify
Em
- 通过em算法实现对数据的高斯混合模型的分类-Em algorithm through implementation of data Gaussian mixture model classification
depthimage
- 生成一个圆球的深度图像，并计算其高斯曲率和平均曲率，以及对曲率进行分类-Generate a sphere of the depth of the image, and calculate the Gaussian curvature and mean curvature, as well as the classification of the curvature
gda
- gda 基于高斯判别分析的高光谱地物分类 属于机器学习范畴-the gda hyperspectral terrain classification based on Gaussian discriminant analysis is a machine learning areas
classifier
- 简单的分类小程序。包括高斯混合模型、svm（调用函数）、logistic regression、和人工神经网络-Simple classification applet. Including the Gaussian mixture model, svm (calling function), logistic regression, and artificial neural networks
dd_ex6
- 高斯分布混合监督之间的区别，训练三个分类器。检测异常。-The distinction between mixed Gaussian distribution supervision, training three classifiers.
speech-emotion-recognition
- 过特定人语音情感数据库的建立；语音情感特征提取；语音情感分类器的设计，完成了一个特定人语音情感识别的初步系统。对于单个特定人，可以识别平静、悲伤、愤怒、惊讶、高兴5种情感，除愤怒和高兴之间混淆程度相对较大之外，各类之间区分特性良好，平均分类正确率为93.7 。对于三个特定人组成的特定人群，可以识别平静、愤怒、悲伤3种情感，各类之间区分特性良好，平均分类正确率为94.4 。其中分类器采用混合高斯分布模型。-The system of speech emotion recognition
project
- 语音增强，加权去噪自动编码器，信噪比估计，维纳滤波，噪声分类，高斯混合模型,维纳滤波-Wiener filtering based speech enhancement
Bayes
- 朴素贝叶斯分类器，能实现高准确的分类，且速度快-Naive Bayes classifier, can achieve high accuracy of classification and fast
NBC
- 迁移朴素贝叶斯分类器算法实现，可用于高光谱遥感图像处理-Migration naive Bayes classifier algorithm can be used for hyperspectral remote sensing image processing
DBSCANexample
- 利用经典的基于密度的聚类算法DBSCAN实现对三类高斯数据实现分类-Classical density-based clustering algorithm to achieve the three Gaussian DBSCAN data to classify
benkun_v24
- 可以实现模式识别领域的数据的分类及回归，高斯白噪声的生成程序，计算互信息非常有用的一组程序。- You can achieve data classification and regression pattern recognition, Gaussian white noise generator, Mutual information is useful to calculate a set of procedures.
EmGm
- 图片配准，点集分类，采用EM方法求解高斯混合模型。(Image registration, point set classification, EM method is used to solve the Gauss mixture model.)
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)
3.贝叶斯分类器
- 贝叶斯定理是用数学的方法来解释生活中大家都知道的常识，而机器学习使用的各种算法中，最常见的就是贝叶斯定理。此代码为贝叶斯分类python代码，包含高斯贝叶斯分类器，多项式贝叶斯分类器和伯努利贝叶斯分类器，并有具体的数据例子进行仿真比较(Bias's theorem is a mathematical way to explain all the common sense in life, and machine learning using various algorithms, the mos
pattern recognize1
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(The program is used for classification of men and women in pa
2016-10-19 gpml-matlab-v4.0
- 高斯过程回归，分类，工具箱；Gaussian Processes ； Machine LearningToolbox.(Gaussian Processes ;Machine Learning (GPML) Toolbox.)
GMM
- 此算法实现高斯混合，可以对初始聚类算法选择c均值和EM，可以实现密度估计和分类。(This GMM algorithm can estimate the density and class, the initial steps can select the C-mean and EM.)
L4_1
- a）产生两个都具有200个二维向量的数据集和（注意：在生成数据集之前最好使用命令randn(‘seed’,0)初始化高斯随机生成器为0（或任意给定数值），这对结果的可重复性很重要）。向量的前半部分来自均值向量的正态分布，并且协方差矩阵。向量的后半部分来自均值向量的正态分布，并且协方差矩阵。其中是一个2*2的单位矩阵。 （b）在上述数据集上和分别属于+1类和-1类，请在上述数据集的两类中各随机抽取150个样本作为训练集，运用Logistic regression算法得到的分类面，然后对余下的各5