搜索资源列表
bow-latest.tar
- 贝叶斯学习算法分类文本。基于朴素贝叶斯分类器的文本分类的通用算法，是目前所知文本分类算法中最有效的一类-Bayesian text classification algorithm. Based on Bayesian classifier of the common text classification algorithm, which is known text classification algorithm the most effective one category
iris_bayes
- 贝叶斯分类器的C++源码，用IRIS作类例子，通俗易懂，适合作模式识别、图像处理研究开发用！-Bayesian classifier C source code, using IRIS category for example, easily understood and suitable for pattern recognition, Image processing research and development with!
winbayes
- 贝叶斯学习算法分类文本。基于朴素贝叶斯分类器的文本分类的通用算法，是目前所知文本分类算法中最有效的一类-Bayesian text classification algorithm. Based on the simple Bayesian classifier of the definitive text classification algorithm, which is known text classification algorithm the most effective one c
bayesclassifier
- 基于贝叶斯分类器的牙周病诊断系统，用matlab实现
BayesClassifier
- 一个用C++写的贝叶斯分类器的程序源代码
ViSurvPostureClassification.ra
- 基于水平垂直投影图的人体动作分类器，贝叶斯分类方法，含样本图。可对视频文件实时检测，基于opencv库,Based on the level of the vertical projection of human action classification, and Bayesian classification methods, including sample plans. Video files can be real-time detection, based on the opencv
naivebayes
- 已调试好的基于贝叶斯判别的手写体数字识别的matlab实现，包括样本图片的预处理、创建朴素贝叶斯分类器对象和检验判别效果的程序源代码大全-failed to translate
bayes_total
- 最小错误概率贝叶斯分类器的matlab程序，可用于二维数据的分类以及分类效果的图像显示，可帮助初学者加深对贝叶斯分类算法的理解。-This is a matlab program of the minimum probability of error of Bayesian classifier.Which can display the image of two-dimensional data classification and the classification results . I
NaiveBayes
- Java写的NaiveBayes分类器，Weka平台下的贝叶斯分类器。-Java written NaiveBayes classifier, Weka platform under the Bayesian classifier.
classification
- 在具有模式的完整统计知识条件下，按照贝叶斯决策理论进行设计的一种最优分类器。分类器是对每一个输入模式赋予一个类别名称的软件或硬件装置，而贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。-In a model under the condition of complete statistical knowledge, in accordance with the Bayesian decision theory to design an optimal c
Bayes
- 贝叶斯分类实验，设计简单的线性分类器，了解模式识别的基本方法。掌握利用贝叶斯公式进行设计分类器的方法。-Bayesian classification experiment is designed to be simple linear classifier, know the basic methods of pattern recognition. Master the use of Bayesian classifier design formula method.
NB
- ：朴素贝叶斯分类器是一种简单而高效的分类器，但是它的属性独立性假设使其无法表示现实世界属性之间的依赖关 系，以及它的被动学习策略，影响了它的分类性能。本文从不同的角度出发，讨论并分析了三种改进朴素贝叶斯分类 性能的方法。为进一步的研究打下坚实的基础。-: Naive Bayesian classifier is a simple and efficient classifier, but its attribute independence assumption that the rea
NaviveBayesClassify
- 基于朴素贝叶斯文本分类器 可进行简单的文本分类-Based on Naive Bayes text classification can be simple text classification
bayes
- 贝叶斯分类和后面的线性、非线性分类器属于有监督学习。 -Bayesian classification and the back of the linear, non-linear classifier belong to supervised learning.
03
- 类的目的就是根据现有的图像特征建立一个分类器，能够对未知的图像类型进行预测。在现有众多分类 算法中，贝叶斯分类器由于其坚实的数学理论基础并能综合先验信息和数据样本信息，成为"-3前机器学习和数据挖 掘的研究热点之一。本文论述了内容图像检索中基于贝叶斯分类器的图像分类技术。介绍了贝叶斯分类器，叙述了 利用贝叶斯分类器进行图像分类的方法，以及图像特征的分布假定。最后通过对分类器的探讨，总结了贝叶斯估计 分类的不足。-The purpose of class is based on a
Kuschner-BayesianNetwork-feature
- Kuschner论文，贝叶斯网络方法在质谱数据特征选择。其中关于机器学习中贝叶斯分类器部分有完整原理分析，可以用于认知无线电网络的频谱感知等新领域。含有matlab程序大于100页，子函数很多。-Kuschner paper, Bayesian network methods of feature selection in mass spectrometry data. One of the Bayes classifier machine learning part of a complete
naiveByes
- 朴素贝叶斯分类器基于一个简单的假定：给定目标值时属性之间相互条件独立。(The simple Bias classifier is based on a simple assumption that attributes are independent of each other when given the target value)
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
模式识别分类器
- 贝叶斯识别，可对图像数据进行分类的算法，其中包含5个m文件(Bias recognition, image data can be classified algorithm, which contains 5 m files)
Sciprts
- 用 dataset3 作为训练数据，用 dataset4 作为测试数据，采用不同的特征、训练样本数、分类方法进行比较实验，观察、分析实验结果的异同。 训练分类器的方法为最小错误率贝叶斯分类器（假设正态分布，先验概率各 50%）。使用Bayesscr ipt.m运行代码。(Using dataset3 as training data, dataset4 is used as test data, and different characteristics, training samples an