搜索资源列表
melppaper6
- 为了提高深度模型的编码重构性能,本文为传统对比散度(Contrastive divergence,CD)添加了基于交叉熵的重构误差约束。利用改进后的算法训练了重构性深度自编码机(Reconstructive deep au-to-encoder,RDAE),并用 RDAE 替换混合激励线性预测编码(Mixed excitation linear prediction, MELP)语音编码器中 LSF 参数的矢量量化方法。测试结果表明,改进后的算法在损失一定模型似然度的条件下获得了重构性能的提升,
biaoqing
- 对jaffe人脸库进行识别测试的主程序，将jaffe人脸库分为训练集和测试集两部分，首先对图片进行LBP+LPQ特征提取，然后svm分类识别，统计识别率-Jaffe face for the identification of the main test will jaffe face is divided into a training set and a test set of two parts, the first of LBP+LPQ image feature extractio
SVMwineclassification
- 选择１７８个样板的５０％作为训练集，另外的作为测试集，用训练集对ＳＶＭ进行训练得到分类模型，再用得到的分类模型对测试集进行类别标签预测。-Select 178 model 50 as the training set, the other as the test set, the SVM training classification model with the training set, and then the classification model by category label
FeatureSelection
- 为一个matlab的一个线性回归的例子，有测试集和训练集-For a matlab of a linear regression example, there are test sets and training sets
test2
- 为一个matlab的一个线性回归的例子，有测试集和训练集-For a matlab of a linear regression example, there are test sets and training sets
codes
- 手写数码（0到9）识别的神经网络框架。附有数据训练集和测试集。采用随机梯度下降的BP算法。可以修改参数，加入drop out和动量法。-Digital handwriting (0 to 9) of the neural network recognition framework. With training and test data sets. BP algorithm using stochastic gradient descent. Parameters can be modified
knear
- 使用MATLAB实现的非参数技术分类，包含了k近邻技术，包含数据集和测试集，具有很大的参考意义。-Non-parametric classification techniques implemented using MATLAB, including k-nearest neighbor technology, including data sets and test sets, has great reference value.
人脸识别
- 这是包含ORL数据库的一份资料，其中是40个人的不同表情图，可将一部分作为训练集，一部分作为测试集来看人脸识别算法的有效性。
FilelistGenerator
- 用于CAFFE图片训练集、测试集的生成，可生成文件列表及分类，用于后续处理-Used for CAFFE training set and testing set generated images, can generate the file list and classification, for subsequent processing
KNN
- 最近邻算法的python代码，包含有可使用的数据集和测试集。-The python code for the nearest neighbor algorithm contains available data sets and test sets.
logregress
- 逻辑回归的python代码，里面包含一定的数据集和测试集。-The logical regression python code contains a set of data sets and test sets.
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
BP神经网络运动状态分类
- 该程序可以通过训练集对所构建的BP神经网络进行训练，并能通过测试集，即对不同的运动状态进行分类。(The program can train the constructed BP neural network through the training set, and can classify the different motion states through the test set.)
Class_3_Code
- 将concrete_data.mat文件导入到MATLAB中，其中attributes为影响混凝土抗压强度的7个输入变量，strength为混凝土的抗压强度，即输出变量； 将整个数据集中的103个样本随机划分为训练集与测试集，其中训练集包含80个样本，测试集包含23个样本； 将训练集与测试集数据进行归一化； 建立BP神经网络，并训练； 利用训练好的BP神经网络对测试集中的23个样本的抗压强度进行预测； 输出结果并绘图（真实值与预测值对比图）(The concrete_data.mat
DataMiningProject1
- 实现了数据集的随机划分，并且能计算测试集的准确率(First, the random partition of the data set is realized, and the accuracy of the test set can be calculated by the KNN classification algorithm)
FaceRec
- 人脸识别是一个有监督学习过程，首先利用训练集构造一个人脸模型，然后将测试集与训练集进行匹配，找到与之对应的训练集头像。最容易的方式是直接利用欧式距离计算测试集的每一幅图像与训练集的每一幅图像的距离，然后选择距离最近的图像作为识别的结果。这种直接计算距离的方式直观，但是有一个非常大的缺陷—计算量太大。如果每幅图像大小为100*100，训练集大小1000，则识别测试集中的一幅图像就需要1000*100*100的计算量，当测试集很大时，识别速度非常缓慢。(Face recognition is a s
人脸识别代码
- 人脸识别是一个有监督学习过程，首先利用训练集构造一个人脸模型，然后将测试集与训练集进行匹配，找到与之对应的训练集头像。最容易的方式是直接利用欧式距离计算测试集的每一幅图像与训练集的每一幅图像的距离，然后选择距离最近的图像作为识别的结果。(Face recognition is a supervised learning process. Firstly, a face model is constructed by training set, and then the test set is m
人脸识别
- 利用PCA算法实现一个简单的人脸识别功能，测试集和训练集一共40张照片，可以自己再增加。(use PCA algorithm to realize face recognition function)
pca
- 主成分分析实现代码，以测试集辛烷值含量预测结果对比为例，内附数据，代码，matlab实现(Principal component analysis implementation code)
mnist_test_leveldb
- caffe-windows mnist 测试用数据集，此数据集用于mnist训练时的测试数据集(Data sets for caffe-windows MNIST tests, which are used for test data sets when MNIST is trained)