搜索资源列表
O-asm
- 本教程主要讲述计算机指令运行机制及汇编语言的相关知识，并用详实的例子来讲解如何使用O汇编语言来编写程序。汇编语言是计算机低级语言，它直接对应的是计算机机器指令，据有执行高效的特点，但由于它的底层性，指令浩繁复杂，如果你熟悉如MASM、FASM或者NASM等其它的汇编语言，那么你将能够很容易地学会使用O语言，它的内部机制与其它汇编语言是一致的；如果你没有接触过汇编语言，那么本教程将为你打开计算机语言的大门，深入细致地解剖聪明的计算机大脑的思考轨迹。如果你使用过C或者其它的计算机语言将对学习O语言有
book
- 汇编语言是我们理解整个计算机系统的最佳起点和最有效途径 人们经常认为汇编语言的应用范围很小，而忽视它的重要性。其实汇编语言对每一个希望学习计算机科学与技术的人来说都是非常重要的，是不能不学习的语言。 所有可编程计算机都向人们提供机器指令，通过机器指令人们能够使用机器的逻辑功能。 所有程序，不论用何种语言编制，都必须转成机器指令，运用机器的逻辑功能，其功能才能得以实现。 机器的逻辑功能，软件系统功能构筑其上，硬件系统功能运行于下。
RandomForest
- ID3决策树+随机森林算法生成决策森林，采用投票机制进行决策；有训练数据aaa和测试数据bbb；非常适合机器学习的初学者-The ID3 the+ random forest algorithm to generate decision forests voting mechanism for decision-making training data the the aaa and test data bbb ideal for machine learning beginners
GeneticAlgorithm
- 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算
music
- 1、合并喜欢和播放两个列表，实现基于喜欢听的推荐排序算法，实现所听即所爱；下一版本将推出基于用户行为分析的机器学习算法。 2、优化了歌词算法，当发现歌词乱码时，可以手动纠错；下一版本将继续深度优化算法，提供滚动歌词的支持。 3、实现了桌面歌词，可以决定是否显示桌面歌词；下一版本将进行桌面歌词的自定义设置开发工作。 4、电台模式/播放器模式任意切换，MetroPlayer=豆瓣(本地推荐）+播放器，下一版本考虑网络版本。 5 、使用了基于Li
P4-1
- 传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中
C4.5
- C4.5 算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3算法. C4.5算法继承了ID3算法的优点，并在以下几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足； 2) 在树构造过程中进行剪枝； 3) 能够完成对连续属性的离散化处理； 4) 能够对不完整数据进行处理。 C4.5算法有如下优点：产生的分类规则易于理解，准确率较高。其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描
lda-c
- LDA是一种文档主题生成模型，也称为一个三层贝叶斯概率模型，包含词、主题和文档三层结构。文档到主题服从Dirichlet分布，主题到词服从多项式分布。 LDA是一种非监督机器学习技术，可以用来识别大规模文档集（document collection）或语料库（corpus）中潜藏的主题信息。它采用了词袋（bag of words）的方法，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。但是词袋方法没有考虑词与词之间的顺序，这简化了问题的复杂性，同时也为
project1_code
- 这是matlab编写的3个常用机器学习分类器代码。其中包括了： 1）PCA 分类其；2）LDA分类器：3）naive贝叶斯分类器。 3个算法的实现参考了《Introduction to Machine Learning》。 除了这3个分类算法的实现外，代码里面还包含了用于测试的main.m 主程序和一个实验的简要报告。实验在著名数据集acoustic_train_data 上进行。-This source code includes the implementation of three f
GA
- 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算
Code
- building Machine Learing Systems with Python 源代码 。 中文名是：机器学习系统设计； 作者：Willi Richert Luis Pedro Coelho 刘峰。-building Machine Learing Systems with Python source code
binclass_perc_4_5
- 结合书上的例子写的二分类非循环版/循环版以及简单神经网络实现(Two examples of non circular / cyclic versions and simple neural networks are written in conjunction with examples in the book)
wifi_simple_model_64_optimize
- 比赛背景 随着互联网移动支付的迅速普及，我们享受到越来越多的生活便利。如当您走入商场的某家餐厅时，手机会自动弹出该餐厅的优惠券；当您走入商场服装店时，手机可以自动推荐这家店里您喜欢的衣服；在您路过商场一家珠宝店时，手机可以自动提示您想了很久的一款钻戒已经有货了；离开商场停车场时，手机在您的许可下可以自动交停车费。这些您所享受的贴心服务都离不开背后大数据挖掘和机器学习的支持。在正确的时间、正确的地点给用户最有效的服务，是各大互联网公司智能化拓展的新战场。(Match background
tree
- 使用决策树对存储器进行分类并预测隐形眼镜类型(The classification of memory and prediction of contact lens type using decision tree)
CNN
- 构建卷积神经网络，包括卷积层，池化层，RELU(Construction of convolution neural network)
LBP
- （1）计算图像中每个像素点的LBP模式(等价模式,或者旋转不变+等价模式)。 （2）然后计算每个cell的LBP特征值直方图，然后对该直方图进行归一化处理(每个cell中，对于每个bin,h[i]/=sum,sum就是一副图像中所有等价类的个数)。 （3）最后将得到的每个cell的统计直方图进行连接成为一个特征向量，也就是整幅图的LBP纹理特征向量； 然后便可利用SVM或者其他机器学习算法进行分类识别了。((1) calculate the LBP pattern of each p
20171211留档
- 利用SVM对制备的样本进行三分类，对图像进行三角形匹配，模板匹配(SVM was used to classify the samples in three categories. Triangle matching and template matching were applied to the images.)
classifier_D
- 使用SVM分类器来预测乳腺癌病人的预后(特征选择；分类器构建)，评价模型时使用无被交叉验证，性能评价指标包括准确率，AUC，灵敏度，特异度。学会最基本的机器学习方法。可查看分发给大家的代码，以后遇到类似的问题，可用相似的思路和代码。(The SVM classifier was used to predict the prognosis of breast cancer patients (feature selection; classifier construction), and the
国外教育人工智能研究主题及趋势分析
- 基于对 Web of Science文献关键词的可视化分析，梳理并呈现了国外教育人工智能的研究主题和研究趋 势。研究发现：首先，目前国外教育人工智能的研究现状可概括为四个主题领域，分别为基于自然语言处理的 教育智能研究、知识管理与运算的可视化研究、机器教学的应用案例研究以及指向深度学习的自适应教育技术 研究；其次，国外教育人工智能研究呈现以下三个趋势：基于大数据的机器学习研究、深度学习理念引领下的 在线学习变革研究、智能识别技术支撑下的智能导师系统研究。
遗传算法例程code
- 遗传算法是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算中的关键技术之一。