CDN加速镜像 | 设为首页 | 加入收藏夹
当前位置: 首页 资源下载 搜索资源 - MLkNN

搜索资源列表

  1. MLkNN

    0下载:
  2. 数据挖掘领域中的一种算法-ML-KNN是一种改进的最近邻算法
  3. 所属分类:中间件编程

    • 发布日期:2014-01-17
    • 文件大小:5123
    • 提供者:李平
  1. MLKNN

    1下载:
  2. 使用MATLAB实现的基于多类别的KNN算法,简称为MLK-Using MATLAB to achieve KNN algorithm based on multi-category, referred to as MLKNN
  3. 所属分类:Other systems

    • 发布日期:2017-04-14
    • 文件大小:5556
    • 提供者:alan
  1. MLkNN(matlab)

    0下载:
  2. ML-KNN实现过程,包括训练和测试两个过程-the process of ML-KNN, including training and testing
  3. 所属分类:Special Effects

    • 发布日期:2017-04-04
    • 文件大小:5270
    • 提供者:Susie Hou
  1. mLknnMATLAB

    0下载:
  2. 本代码主要用了多标签K近邻方法(MLKNN)实现对多标签数据进行分类-This code mainly spent more than a label K-nearest neighbor method (MLKNN) to achieve the multi-label data classification
  3. 所属分类:Data Mining

    • 发布日期:2017-04-30
    • 文件大小:469960
    • 提供者:
  1. MLKNN

    0下载:
  2. 针对单标记学习算法KNN进行改进,适用于多标记数据集改造而成的多标记K临近算法。java代码-Improved learning algorithm for single marker KNN, suitable for multi-label data sets adapted multi-label K near the algorithm. java code
  3. 所属分类:Data Mining

    • 发布日期:2017-05-04
    • 文件大小:4368
    • 提供者:SensorNetwork
  1. MLkNN

    0下载:
  2. K近邻分类算法是一种简单有效的方法,基于此提出了多标签K近邻分类算法用于多标签分类研究(multi-label classification algorithm)
  3. 所属分类:其他

    • 发布日期:2017-12-24
    • 文件大小:7168
    • 提供者:陶院新生
  1. MLkNN

    0下载:
  2. ML-KNN,这是来自传统的K-近邻(KNN)算法。详细地,为每一个看不见的实例中,首先确定了训练集中的k近邻。之后,基于从标签集获得的统计信息。这些相邻的实例,即属于每个可能类的相邻实例的数量,最大后验(MAP)原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究,即酵母基因功能分析、自然场景分类和网页自动分类,表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
  3. 所属分类:人工智能/神经网络/深度学习

    • 发布日期:2017-12-19
    • 文件大小:5120
    • 提供者:
  1. MLkNN

    0下载:
  2. 该程序是基于传统的K近邻方法发展而来的一种可用于多标签分类的方法(this code can be used for multi-label classification problem)
  3. 所属分类:其他

    • 发布日期:2017-12-26
    • 文件大小:5120
    • 提供者:taoyuan123
  1. C/C++中国象棋程序入门与提高源码

    0下载:
  2. C/C++中国象棋程序入门与提高源码程序(program for CChess by C/C++)
  3. 所属分类:Windows编程

    • 发布日期:2018-05-04
    • 文件大小:7896064
    • 提供者:aq11
搜珍网 www.dssz.com