资源列表
BP1
- BP神经网络 数据分类 语音特征信号分类-BP neural network classification of data signal classification speech features
SVM
- SVM 神经网络 数据分类预测 葡萄酒种类识别-SVM neural network prediction wines identification data classification
GAjiangwei27
- 遗传算法 优化 计算 建模 自变量 降维 -Genetic Algorithms Modeling Reduced variables
GABP3
- 遗传算法 优化 BP神经网络 非线性函数 拟合-Genetic algorithm BP neural network nonlinear function approximation
PSO26
- 粒子群算法 寻优算法非线性函数 极值 寻优-Particle Swarm Optimization Algorithm for the optimization of nonlinear function extremum
RBFRegress7
- RBF网络 回归 非线性函数 回归 实现-RBF network nonlinear function of regression to achieve reunification
hopfield11
- 连续 Hopfield神经网络 优化 旅行商问题 优化计算-Continuous Hopfield neural network optimization Optimization for Traveling Salesman Problem
jxsvm
- 交互支持向量机学习算法能解决一些监督学习问 题中学习样本较少的问题, 它以支持向量机(SVM ) 方法为 基础, 将设计分类器变成一个交互的过程, 即: 根据对已知 样本进行的SVM 分类器设计, 主动采样选择“有用”的新样 本, 并进行下一步SVM 分类器的设计。与普通SVM 法相 比, 该方法所需的样本量大大降低, 而且可能达到更好的推 广能力。文本信息过滤问题的实例说明了该算法的有效性。-Interactive support vector machine lear
svmsegmentation
- 为了提高白细胞自动识别算法的性能,提出了基于均值移动和单类支持向量机的血细胞图像分割新方法. 该方法的原理是将图像中颜色相对稳定的背景和红细胞部分像素作为正训练样本,将颜色复杂多样的白细胞像素作为异常数据检测. 均值移动过程用来在红、绿、兰(RGB) 颜色空间寻找正训练样本集,通过均匀抽样和颜色量化措施,实现单类支持向量机(SVM) 在线实时训练,最终图像像素经过单类SVM 分类来实现分割. 实验表明,新方法对涂片制备和光照变化导致的图像颜色改变有很好的适应性,图像分割精度优于常用流域算法,而耗
A_Acolyte_176621752004
- A Acolyte of AI with 8 Puzzle-This is an attempt to bring some AI programming in VB using A Star (A*) algorithm to solve 8 puzzle problem. This is the famous AI search algorithm test problem to rearrange misplaced cells in a proper sequence on an 3 b
LVRclass21
- LVQ神经网络 分类 实例 乳腺肿瘤 诊断-LVQ neural network classification of instances of breast cancer diagnosis
ANN_PID6
- PID神经元网络 解耦控制 算法 多变量系统控制-PID neural network decoupling control algorithm for multivariable control system