搜索资源列表
Emlog2.2.0
- Emlog2.2.0 功能介绍 + 采用了模版技术，能让网站在瞬间改变样式 + Emlog附带模版(如果你不喜欢附带模板，可自已制作模片) + 多附件上传功能，每篇日志可以附加多个附件，并可以删除增加附件 + 支持引用通告(trackback)接受发送和管理 + 支持tag标签分类功能 + 支持RSS日志订阅功能 + 数据库备份/恢复功能 + 访问量统计 + 采用文本缓冲技术，减少查询
FeitecCMS20060703
- 在V1.42版本基础上进行了如下更新： 1、解决以前版本的BUG； 2、制作双文章系统（文章及教程，后台可自由关闭其中一个系统，默认教程系统关闭）； 3、设置20多个标签，可在任何页面、任何部位调用，使FeitecCMS Free成为了一个积木式的程序，为风格制作者及程序使用者带来更大的方便及灵活性； 4、彻底解决以往版本的首页运行速度慢的问题，新版本比原来的程序运行速度至少快一倍以上； 5、风格采用1024分辩率，更适应当前用户的需求； 6、添加更多基本设置功能；
txblog
- 多用户博客 2.发布站点首页调用标准，任何站长都可以快速制作。简单易懂 2.支持模版,系统内置5套模版，并且可以很好扩充 3.同时对三种数据库支持: mssqlserver,access,oracle 4.标签的支持，可以选择热门标签和自己的标签 5.相册的支持，flash的相册和js的幻灯片相册，相册支持评论 6.Rss,用户及其分类的rss 7.强大的圈子管理。有独立的圈子主页面，支持自由加入或者审核加入 8。是否启用评论功能 9。页面缓存处理 10。
基于svm的分类器
- c++ 开发的svm分类器，功能不错，支持多类，多标签分类。使用方便，欢迎下载！
MILL
- 模式识别中，多标签标记中的经典代码，主要用于场景分类，目标识别，结合svm和boost算法对自然场景进行分类，真的很不错，看看吧-Pattern Recognition, multi-tagged in the classic code, mainly used for scene classification, object recognition, combined with svm and boost the natural scene classification algorithm,
kNN
- kNN分类算法——将没有分类标签的数据与样本集合中所有的数据一一进行距离计算， 然后提取最相似的K个数据，这个K个数据中分类标签出现最多的分类就是新数据的分类标签。 优点：简单有效，缺点：耗费存储空间，非常耗时，无法给出任何数据的结构信息。 这个程序是采用python缩写，注释比较多，自己加的-kNN classification algorithm: no data and sample collection of all data classification labels on
CAL500_KNN
- 使用粒子群算法优化k近邻算法，达到多标签分类的代码，使用CAL500的数据集-the multi-label classification based on evolutionary computing using KNN
multilabel-classification
- matlab实现社交网络上的多标签分类，内含两个文件-Matlab to achieve multi label classification on social networks, containing two files
mulan
- mulan实现多标签分类，内含多个重要的分类器，乃是分类中的精华-Mulan implementation of multi label classification, containing multiple important classifier, is the essence of the classification
LDLPackage
- 该代码主要实现标签分布学习算法（Label Distribution Learning，LDL）对机器学习中多标签分类问题的改进和提升-The code mainly achieves label distribution learning algorithm(Label Distribution Learning, LDL) for machine learning multi-label classification improvement and upgrading
ML_Metric-function
- 上传的代码为多标签数据分类的度量函数 用于对多标签数据分类进行效果上的度量-Upload code for the multi-label data classification function is used to measure multi-label classification data to measure the effect on
mLknnMATLAB
- 本代码主要用了多标签K近邻方法（MLKNN）实现对多标签数据进行分类-This code mainly spent more than a label K-nearest neighbor method (MLKNN) to achieve the multi-label data classification
wjglxt
- 本程序的基本操作和一些特色功能如下: 拖曳文件，在列表方式显示状态下，拖曳文件的图标即可进入拖曳状态 在图标显示方式下,轻轻双击文件即可进入拖曳状态. 在不同的位置松手也有不同的动作， 支持多标签页显示，右上角的+号是添加标签页按钮，中间部分是其它标签页，长按标签页则关闭标签页.标签页可以隐藏。 文件库功能,类似于书签,可以建多个库,在库里可以添加文件,对文件进行分类.便于管理文件. zip压缩/解压,由于只用utf-8字符,所以用windows系统的winrar的文件会出现中文
Experiments
- Br方法做的多标签在线分类算法程序，matlab实现 -mutli-label online classification algorithm Using br approach，implemented by matlab
MLkNN
- K近邻分类算法是一种简单有效的方法，基于此提出了多标签K近邻分类算法用于多标签分类研究(multi-label classification algorithm)
MLkNN
- ML-KNN，这是来自传统的K-近邻（KNN）算法。详细地，为每一个看不见的实例中，首先确定了训练集中的k近邻。之后，基于从标签集获得的统计信息。这些相邻的实例，即属于每个可能类的相邻实例的数量，最大后验（MAP）原理。用于确定不可见实例的标签集。三种不同现实世界中多标签学习问题的实验研究，即酵母基因功能分析、自然场景分类和网页自动分类，表明ML-KNN实现了卓越的性能(ML-KNN which is derived from the traditional K-nearest neighbo
MLkNN
- 该程序是基于传统的K近邻方法发展而来的一种可用于多标签分类的方法(this code can be used for multi-label classification problem)
cplst
- 多标签分类算法，通过对标签降维（SVD），然后利用线性回归建立特征和低维标签之间的关系，求出特征的系数，然后反过来进行预测(Multi label classification algorithm, through the tag dimension reduction (SVD), and then use linear regression to establish the relationship between features and low dimensional tags, to
lrCostFunction
- 输入权值、学习率、输入和输出，就可以计算得到损失值和梯度值(Input weight, learning rate, input and output can be calculated for loss value and gradient value)
逻辑回归
- 根据标签，完成SVM下的多分类数据识别，数据可以是字符或者信号，可以达到较高的识别精度(The multi-classification data recognition under SVM was completed)