资源列表
PNNpredict19
- 概率神经网络 分类预测 基于PNN变压器故障 诊断-Probabilistic neural network classifier prediction Transformer Fault Diagnosis Based on PNN
BP_Adaboost5
- 基于 BP_Adaboost 强分类器设计 公司财务预警 建模-Classifier design based on BP_Adaboost strong financial early warning model
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
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
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
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
jchshibie
- 支持向量机（SVM）是一种基于超平面分类的新的学习方法，具有很强的泛化能力。研究了支持向量机的学习机理，以及实现支持向量机的序贯最小优化算法（SMO），并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解，获取不同尺度下的小波系数，然后对其进行主元分析，得到的主元分量作为支持向量机的特征量输入。实验结果表明，该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn
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
RBFRegress7
- RBF网络 回归 非线性函数 回归 实现-RBF network nonlinear function of regression to achieve reunification
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
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
GAjiangwei27
- 遗传算法 优化 计算 建模 自变量 降维 -Genetic Algorithms Modeling Reduced variables