搜索资源列表
rosetta-1[1].0.1.zip
- ROSETTA C++库是一个C++类库和例程集合，支持基于可识别性的经验建模和数据挖掘。它由许多用于通用机器学习和粗糙集理论的例程组成。
jiyuneirongdetuxiangjiansuo
- 基于内容的图像检索中的一些关键环节：特征提取：颜色直方图；纹理特征等 相似度：马氏距离，欧氏距离等 相关反馈：机器学习方法，如SVM，神经网络等 检索与分类：两个很相似的样本距离很小，虽然两个不相似的样本距离未必很大-content-based image retrieval of some of the key issues : Feature Extraction : color histogram; Texture characteristics of simila
KNN(CSHARP)
- 基于不断学习的贝叶斯-KNN文本分类算法的设计与实现,给出原始几个类别的文本文件，通过机器学习，获取各个类别文本内容的主要特征，在这个基础上，给出待分类的文件库，系统通过自动分类，对文件库中的文本进行分类，把文件分配到最有可能的类别中。-based learning Bayesian-KNN text classification algorithm design and implementation given several types of the original text file,
E_M_matlab
- 机器学习中的E M算法，本代码是基于高斯混合模型的E M 算法聚类。-machine learning algorithm E M, the code is based on the Gaussian mixture model clustering algorithm E. M.
knn
- 朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。
chucaoji
- 摘要：本文提出了一种基于粗糙集的基本名词短语(BaseNP)识剐方法。该方法首先进行BaseNP标注， 然后实现BaseNP识别。它把BaseNP标注看作一个决策问题用粗糙集理论解决，因而具有特征约简和规则优 化的特点。文章介绍了基于粗糙集的规则学习方法和相应的算法，同时也给出了BaseNP标注和识别的算法 流程，提出了解决实例冲突问题的方法，并提高了识别效果。文章最后给出了详细的实验步骤和结果，并与几 个典型系统进行了比较与分析，提出了进一步改进的方向。 关键词：人工智能；
textclassifer
- 一个小的嵌入式机器学习程序 基于weka的机器学习算法程序的应用实例
milk-1-0
- MILK 提供了一个实现和比较multi-instance学习算法的环境，基于weka机器学习系统（本站可以下载）-MILK provides a comparison and achieve multi-instance learning algorithm, based on machine learning system weka (site can be downloaded)
C_TraDaBoost
- 迁移学习目前是机器学习的热门领域，基于戴文渊的“Boosting for Transfer Learning”,很有学习价值，这里是TraDaBoost算法的源代码。-For transfer learning packets: 20_newsgroups, facilitate the use of learning
gpml-matlab-v3.1-2010-09-27
- 高斯过程算法在回归和分类中的应用程序。与书本《基于高斯过程的机器学习》配套。本程序是最新的v3.1版，更新于2010-09-27-Gaussian process regression and classification algorithm in the application. And the book " machine learning based on Gaussian process" support. This program is the latest v3.1
FaceDe
- 基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
SVMcode
- 基于svm的机器学习文本分类方法，具有很好的借鉴意义-Svm-based machine learning text classification methods, with a good reference
DMES
- 支持基于可识别性的经验建模和数据挖掘。它由许多用于通用机器学习和粗糙集理论的例程组成-Support based on the experience of identification in the modeling and data mining. It is used by many general-purpose machine learning and routine composition of rough set theory
源代码
- 一种基于机器学习的高频量化策略，年化收益达到40%(Quantization strategy)
基于PCA的SVM分类
- 选择“BreastCancer”数据集，使用支持向量机(SVM)对其进行分类。作为对比，第一次对特征集直接进行支持向量机分类，第二次对特征集进行主成分分析法的特征提取后，再对特征提取后的特征集进行支持向量机分类。并且对比和分析了两次分类的结果。(The BreastCancer data set is selected and classified by Support Vector Machine (SVM). For comparison, the first time the featur
基于粒子群优化算法的特征选择SVM分类
- 针对“BreastCancer”数据集，作为对比，第一次对特征集直接进行SVM分类，第二次使用粒子群算法进行特征选择后再进行SVM分类。并且对比和分析了两次分类的结果。(For "BreastCancer" data set, as a comparison, the first time the feature set is directly classified by SVM, and the second time the feature set is selected
基于文本内容的垃圾短信识别
- 具体描述了怎么通过分词过滤，绘制词云，模型训练等进一步通过该案例学习机器学习的有关内容
S1IM159.【已完成】基于SVM的烟雾识别系统
- 基于SVM的烟雾识别系统 运动区域提取使用的是 自适应混合高斯背景建模 特征算法使用的是 HOG+LBP 机器学习方法使用的是 scikit的SVM(Smoke recognition system based on SVM The moving region extraction uses adaptive Gaussian mixture background modeling feature algorithm, hog + LBP machine learning method
基于php的KNN算法实例
- kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。用这种算法可以完成最简单的机器学习算法，适合参加科技比赛和演示