搜索资源列表
T43680540Clash
- 利用人工智能算法对数据进行训练，然后模式分类，里面包含支持向向量机，聚类，BP网络等许多优秀的算法. -Use of artificial intelligence algorithm to training data, and pattern classification, which contains support vector machines, clustering, BP network a lot of good algorithm
haha
- 基于Lab空间向量的图像分割方法，采用k-mean聚类。-Based on the Lab space vector image segmentation method, the use of k-mean clustering.
matlab-image-process
- comparehist是用于检测两个图像的直方图巴士距离，xuefu是通过C类均值算法对图像进行颜色聚类，ccv是提取衣服图像的颜色一致向量，便于以后对图像各个特征值进行操作-comparehist is used to detect the two image histogram bus distance, xuefu Class C means algorithm for image color clustering, ccv extract clothes image consistent
Perceptron-Algorithm
- 模式识别是对样本进行聚类，感知器算法是通过迭代计算修正权向量，使样本满足条件，从而实现分类。本程序对感知器算法进行了改进，当权向量不满足时，立即退出此轮计算，进入下一轮迭代，从而减少了计算次数。程序对代码有详细注释，对样本的个数和维数自动判别。-Pattern recognition, clustering samples, perception algorithm is iterative correction weight vector samples meet the conditions
kmeans
- 利用k-means算法进行聚类，K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最有分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。-Algorithm using k-means clustering, K-means algorithm Euclidean distance as a similarity measure, it is the pursuit of the vector V corresponding to a initial
vsm
- 用TFIDF方式实现了特征向量空间的建立，将文本文件先进行特征词的准备 再生成特征向量的形式，为接下来的聚类做了准备。用Ｃ-The TFIDF way to achieve the establishment of the feature vector space, the preparation of the text file first feature words and then generate the form of feature vectors, and made prepara
renlianjiance
- 针靖目前人脸检测方法遵度与精度难以兼有的问题。本文提出了一种嬉合离斯横甓和党持向量机的人膝检测方法。 先载用皮肤颜色在YCbCr窒阍鲢聚类性。蛄肤色建立高斯模型以分制虫可能的人脸菇域。露将迭臻区域输入捌支特向量机 检测并标记出检攫ll结暴!实验结暴证瞬。本文提出的方法捡溅效装令人满意。-Needle Jing compliance degree of accuracy of the face detection method is difficult to both problems.
30-cases-in-matlab
- MATLAB智能算法30个案例分析，109页的详细讲解，程序和程序注解，可以直接复制代码。包括遗传算法，基于遗传算法和非线性规划的函数寻优算法，遗传算法工具箱详解及应用，多种群遗传算法的函数优化算法， 基于粒子群算法的多目标搜索算法，基于多层编码遗传算法的车间调度算法，基于遗传模拟退火算法的聚类算法，蚁群算法，支持向量机等等30章。-MATLAB intelligent algorithm 30 case studies, 109 detailed explanations, procedur
fcm
- fcm 聚类两个k近邻算法，k近邻的非正式描述，就是给定一个样本集exset，样本数为M，每个样本点是N维向量，对于给定目标点d，d也为N维向量，要从exset中找出与d距离最近的k个点(k<=N)，当k=1时，knn问题就变成了最近邻问-fcm cluster
java_kmeans
- java实现kmeans算法，可以处理任意维度的向量。并将聚类结果写入文本。-The kmeans algorithm java, and can handle any dimension vector. And write text clustering results.
SVMs2
- 一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM) -A new classification method- Attribute Means Clustering attribute support vector machine (AMC-ASVM)
SVM
- 使用MATLAB编程“支持向量机聚类”与 “支持向量机回归”-Support vector machine clustering and support vector machine regression
matlab-code
- 计算聚类算法评价指标之一：Rand Index(需要两个类标向量) 根据类标绘制数据散布图（2D or 3D）-Evaluation of clustering algorithms compute: Rand Index
Mykmeans
- 改进的K-means算法，速度快，输入是样本的特征向量和聚类类别数，每一行代表一个样本，每一列代表一个特征，输出聚类标签-Improved K-means algorithm, fast, is a sample of the input feature vectors and cluster number of categories, each row represents a sample, and each column represents a characteristic output
fuzzy_cluster1
- fuzzy_cluster模糊聚类分析，本函数使用的是直接聚类法，直接输出聚类信息，无返回值 输入参数data是需要分类的数据，将会对data的列分类，请输入数据前把需要分类的向量按列保存到矩阵data 输入参数numda是分类的分类点，如果不知道可以先省略，系统默认1-0依次减小用以方便判断分割点，然后用户再细分- Fuzzy_cluster fuzzy clustering analysis, the function uses the clustering method i
matlab
- 聚类算法，不是分类算法。分类算法是给一个数据，然后判断这个数据属于已分好的类中的具体哪一类。聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。这里的k-means聚类，是事先给出原始数据所含的类数，然后将含有相似特征的数据聚为一个类中。所有资料中还是Andrew Ng介绍的明白。首先给出原始数据{x1,x2,...,xn}，这些数据没有被标记的。初始化k个随机数据u1,u2,...,uk。这些xn和uk都是向量。根据下面两个公式迭代就能求出最终所有的u,这些u就是最终所有
opencv
- 图像场景分类的bow模型opencv源代码，采用k-means聚类构造单词，采用支持向量机的svm分类器。-Image scene classification bow model opencv source code, using k-means clustering structure of words, using support vector machine svm classifier.
LSSVM
- 最小二乘支持向量机的单模型建模和基于K均值聚类的多模型建模-A single model of least squares support vector machine (SVM) modeling and modeling based on k-means clustering model
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
stprtool_v2.12
- 统计模式识别工具箱(STPRTool 版本2.12 2013-09-12) 功能有线性判别函数、特征提取、密度估计和聚类、支持向量机、贝叶斯分类器、交叉验证等-Statistical Pattern Recognition Toolbox Methods: Fisher,PCA,GMM,K-means,SVM,Bayes classifier,Cross-validation,KNN,etc.