搜索资源列表
chapter26
- 神经网络实例文件说明: 1. chapter26_lvq.m为主程序,将该文件夹设置为MATLAB当前工作路径,运行即可。 2. crossvalidation_lvq.mat为增加了交叉验证功能(确定最佳的隐含层神经元个数)的LVQ程序。 3. chapter26_bp.m为对比的BP程序。 4. data.mat为数据文件。 5. 该程序在MATLAB2009a版本下测试通过,个别函数在低版本中不存在或者调用格式有所不同,参照对应版本中的帮助
knn-softsvm
- knn,最小二乘,softsvm分类器的matlab实现,以及简单的交叉验证等-knn, least squares, soft svm classifier matlab implementation, and simple cross-validation, etc.
CV_KNN
- 使用交叉验证对KNN算法和SVM算法进行参数优选,其中KNN使用matlab自带的knnclassify,svm使用LIBsvm-Using cross validation for the choosing of hyperparameter for KNN and SVM
FacialExpressionClassification
- 1. 使用matlab自带的人脸识别工具(Viola-Jones算法)找出人脸的位置,并裁剪出人脸区域。 2. 使用Gabor滤波器识别出人脸的局部特征及纹理。 3. 训练一个SVM进行表情分类。 4. 交叉验证得到表情分类正确率为83.3 。 操作说明和系统描述请见ReadMe.-1. Using matlab with face detection tool (Viola-Jones algorithm) to find the location of a human
lwppredict
- LWP是一种Matlab / Octave工具箱实现局部加权多项式回归(也被称为局部回归/局部加权散点平滑/黄土/ LOWESS和核平滑)。使用此工具箱,您可以使用九个具有度量窗口宽度或最近邻窗口宽度的任意一个内核来拟合任意维度的数据的局部多项式。还提供了一个优化内核带宽的函数。优化可采用留一交叉验证,GCV,AICC、AIC,FPE,T,执行,或单独的验证数据。鲁棒拟合也可用。(LWP is a Matlab/Octave toolbox implementing Locally Weight
SVM
- 采用SVM高斯核,对样本进行分类,输入训练集和测试集,输出SVM分类准确率,采用10折交叉验证(This matlab code uses the SVM(support Vector Machine)to classify, and as the same time it uses the cross validation mathod.)
10 gedCFC_MATLAB
- 代码提供了一种分析多通道电生理记录中交叉频率耦合的新框架-------基于特征分解的广义交叉频率耦合框架gedcfc,共五种算法,并包括脑电信号数据集供大家验证算法。(The code provides a new framework for analyzing cross-frequency coupling in multi-channel electrophysiological recordings - gecfc based on eigen-decomposition-based g
SRGTSToolbox
- SURROGATES工具箱是一个多维函数逼近和优化方法的通用MATLAB库。当前版本包括以下功能: 实验设计:中心复合设计,全因子设计,拉丁超立方体设计,D-optimal和maxmin设计。 代理:克里金法,多项式响应面,径向基神经网络和支持向量回归。 错误和交叉验证的分析:留一法和k折交叉验证,以及经典的错误分析(确定系数,标准误差;均方根误差等;)。 基于代理的优化:高效的全局优化(EGO)算法。 其他能力:通过安全裕度进行全局敏感性分析和保守替代。(SURROGATES Toolbox