搜索资源列表
-
0下载：
提出了一种基于样本的分级检索
MPEG 视频的新方法:首先用I 帧的dct_dc_size 字段快速粗检,然后用断层摄影(tomography)法分析B 帧运动矢
量的时空分布特性以进一步缩小结果集,最后用DC 图像的精确匹配方法验证检索结果.试验结果表明,本方法
所需计算量较小,且可保证较高的检索精度.-presents a sample classification based on MPEG video retrieval of the new method : First o
-
-
0下载：
基于粗糙集理论和BP神经网络的分层递阶分类算法。-based on rough set theory and neural networks hierarchical classification algorithm.
-
-
0下载：
人脸检测源代码. The souce demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN rough face prefiltering, PCA/LDA/ICA/any dimensionality reduct
-
-
1下载：
粗糙集工具箱 可以进行粗糙集上下近似集的计算，重要度等等 属性约简 决策分类-Toolbox rough sets rough sets can calculate the upper and lower approximations, importance, etc., etc. Classification Decision Attribute Reduction
-
-
0下载：
Rose2里含有好多粗糙集的算法，可以实现数据预处理约简，求关联规则，求聚类和分类，非常实用。-Rose2 contains a lot of rough set algorithm, can achieve reduction of data preprocessing, find association rules, clustering and classification requirements, very practical.
-
-
0下载：
粗糙集是一种数据预处理算法，可以用遗传算法对其进行优化。是很好的分类算法-Rough set is a data pre-processing algorithm, genetic algorithm can be used for its optimization. Is a good classification algorithm
-
-
1下载：
关联规则挖掘的研究工作主要包括：Apriori算法的扩展、数量关联规则挖掘、关联规则增量式更新、无须生成候选项目集的关联规则挖掘、最大频繁项目集挖掘、约束性关联规则挖掘以及并行及分布关联规则挖掘算法等，其中快速挖掘与更新频繁项目集是关联规则挖掘研究的重点，也是多种数据挖掘应用中的技术关键，已用于分类规则挖掘和网络入侵检测等方面的研究。研究者还对数据挖掘的理论进行了有益的探索，将概念格和粗糙集应用于关联规则挖掘中，获得了显著的效果。到目前为止，关联规则的挖掘已经取得了令人瞩目的成绩，包括：单机环境
-
-
0下载：
对于阵地的生存概率计算, 可以使用文献1 中的解析公式作粗略估算, 具体方法为, 把整个阵地看作一
个点目标, 即以阵地的中心作为攻击点。求解出某型弹对阵地的破坏半径, 代入解析式即可。但在实际情况
下, 相对于来袭武器的破坏半径, 把阵地看作点目标必然引起很大的误差。所以, 本文拟用层次分析法对阵地
这个系统进行可能受到攻击的目标分类, 按各分项指标的重要性得出系统的生存概率-Probability of survival for the position calculation,
-
-
0下载：
Chesnokov Yuriy写的人脸检测库，内容涵盖肤色检测、运动估计、SVM分类、PCA/LDA/ICA特征提取以及神经网络分类器等。-The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN
-
-
0下载：
基于、的特征提取方法, 研究、算法的多角度分类器设计问
题在对图像进行主成分分析和独立成分分析后, 针对多姿态角目标识别问题, 提出了角度优先粗分
类的设计方法, 并给出系统流程, 最后-Based, feature extraction methods, research, multi-angle algorithms classifier design problem in the image principal component analysis and independent
-
-
0下载：
基于近似域划分的可变离散精度粗逻辑网络及其遥感图像分类应用-Based on approximate discrete domain into the variable precision rough logic networks and their application of remote sensing image classification
-
-
0下载：
一种适用于模式分类的模糊粗隶属函数神经网络-One for pattern classification of fuzzy-rough membership function neural network
-
-
0下载：
The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN rough face prefiltering, PCA/LDA/ICA/any dimensionality reduction/pro
-
-
0下载：
引入能直接处理连续型数据的邻域粗糙集约简模型，给出一种基于邻域粗糙集模型和粒子群优化的特征选择算法。仿真实验结果表明该算法可以选择较少的特征，改善分类的能力。-employs the neighborhood rough set reduction model which can process the numerical features directly without discretization. Then the particle fitness function in particl
-
-
0下载：
联合运用粗糙集(RS)理论-遗传算法(GA)-支持向量机(SVM)方法研究真核生物翻译起始位点(TIS)的识别.-A classification model is built to recognize translation initiation sites (TISs) in eukaryotes by applying rough sets-genetic algorithm-support vector machine (RS-GA-SVM).
-
-
0下载：
数据挖掘(Data Mining)阶段首先要确定挖掘的任务或目的。数据挖掘的目的就是得出隐藏在数据中的有价值的信息。数据挖掘是一门涉及面很广的交叉学科，包括器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。它也常被称为“知识发现”。知识发现(KDD)被认为是从数据中发现有用知识的整个过程。数据挖掘被认为是KDD过程中的一个特定步骤，它用专门算法从数据中抽取模式(patter，如数据分类、聚类、关联规则发现或序列模式发现等。数据挖掘主要步骤是：数据准备、数据挖掘、结果的解释
-
-
1下载：
基于粗糙集的图像语义自动标注分类算法代码-Image semantic auto-tagging based on rough set classification algorithm code
-
-
1下载：
图像场景分类中视觉词包分类的应用与操作代码-Review of the bag-of-visual-words models in image scene classification
-
-
1下载：
基于粗糙集的分类规则提取和分类规则约简。首先进行粗糙分类器训练，然后将复杂的分类规则降维成简单的分类规则，但分类精度不变。-Rough classification learning rules are trained and extracted based on rough sets and complex classification rules are dimensionally reduced into simple classification rules, but the class
-
-
6下载：
这是天津大学胡清华老师在粗糙集邻域领域做的最经典的源码，同学们可以在此基础上学习和修改，入口程序已经写好，需要其他方法可以自己添加，MAIN.m是入口程序，参数的意思在子函数里讲的很明白，调用了featureselect_FW_fast.m用来属性约简，几个clsf_dpd文件是使用不同的距离公式来计算属性重要度，选择得到属性结果，使用crossvalidate.m十折交叉算法来计算计算算法精度，该段代码调用了几个分类器，C4_5.m是决策树，KNN.m是最近邻分类器，NEC.m是类似于KNN的
-
