搜索资源列表
influence-of-parameter-in-SVM
- 验证SVM中惩罚系数C与高斯核宽度系数g对于其分类性能的影响-Test the penalty parameter C and the the gaussian kernel factor g for classification influence of SVM
juiting_V5.3
- 研究生时的现代信号处理的作业，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。- Modern signal processing jobs when the graduate, You can achieve data classification and regression pattern recognition, Gaussian white noise generator.
Video-classification-
- 本文档包含了对视频分类的方法论文，先提取视频中音频信息和图像信息，然后进行拼接并使用PCA进行降维处理，最后使用高斯联合模型进行学习和分类-This document contains papers on the video classification method, first extract the video audio information and image information, and then stitching using PCA dimension reduction,
GPML
- 该程序是高斯过程的经典程序，可用于过程分类和预测-Gaussian Processes for Machine Learning
fenjei
- 高斯白噪声的生成程序，计算两个矩阵之间的欧氏距离，Relief计算分类权重。- Gaussian white noise generator, Calculation of the Euclidean distance between the two matrices, Relief computing classification weight.
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.
ningnei_v19
- 包括回归分析和概率统计，高斯白噪声的生成程序，可以实现模式识别领域的数据的分类及回归。- Including regression analysis and probability and statistics, Gaussian white noise generator, You can achieve data classification and regression pattern recognition.
gpr_ME
- 高斯过程回归，适用于初学高斯过程回归和分类的同学，有完整的实例与多种辅助函数说明,例如用高斯过程回归进行信道的盲均衡。对于高斯过程回归与分类的进一步学习有很大的帮助。-Gaussian process regression, suitable for beginners gaussian process regression and classification of the classmate, a complete instance and a variety of auxiliary fu
SVM
- 支持向量机分类程序，使用高斯核函数，SMO顺序最优化算法，为学习SVM提供参考-SVM program, using a Gaussian kernel, SMO sequence optimization algorithm to provide a reference for learning SVM
CHENGXU5
- 神经网络SVM实现分类，采用高斯核，标准差经过试验，最终定在0.81。训练和测试样本在1到1000之间间隔取点，训练样本取奇数，测试样本取偶数，没有噪声-SVM neural network to realize classification, USES the gaussian kernel, the standard deviation after test, final set at 0.81.Training and testing samples in the interval bet
GP
- 基于贝叶斯理论的高斯过程代码，包含高斯过程回归分析，以及相关噪声处理和高斯过程分类，提供数据进行测试，-Gauss procedure code based on Bayesian theory, including Gaussian process regression analysis, and related processing and noise Gaussian process classification, to provide data for testing, etc.
Softmax
- 一个小demo,用softmax实现数据分类，数据有4类，均服从高斯分布-A small demo, a classifier with softmax softmax is implemented to classify 4 classes of datas which are generated by gaussian distribution
Classifier-based-Softmax
- 一个小demo,用softmax实现数据分类，数据有4类，均服从高斯分布-A little demo, a classifier with softmax softmax is implemented to classify 4 classes of datas which are generated by gaussian distribution
SVM
- 机器学习中SVM(支持向量机)源码,对比不同高斯核函数和不同惩罚因子对支持向量机分类的结果的影响。-SVM source code of machine learning
GaussianKernel
- 高斯核函数 的非线性分类器 性能还可以-The Gaussian kernel function of the nonlinear classifier can also be
FullBNT-1.0.4
- 创建你的第一个贝叶斯网络 手工创建一个模型 从一个文件加载一个模型 使用 GUI 创建一个模型 推断 处理边缘分布 处理联合分布 虚拟证据 最或然率解释 条件概率分布 列表（多项式）节点 Noisy-or 节点 其它（噪音）确定性节点 Softmax（多项式 分对数）节点 神经网络节点 根节点 高斯节点 广义线性模型节点 分类 / 回归树节点 其它连续分布 CPD 类型摘要 模型举例 高斯混合模型 PCA、ICA等 专家系统的混合 专家系统的分等级混合 QMR 条件高斯模型 其它混合模型 参数学
work
- 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？(1) taking height as an example, draw the histogram of male and f
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
2
- 通过随机产生高斯分布数据，来对数据进行分类。(The data are classified by random generation of gaussian distribution data.)
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.)