搜索资源列表
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
mill
- 包含了很多分类算法，有SVM，knn，决策树等，还有文档说明-Contains a lot of classification algorithms, there is SVM, knn, decision tree and so on, have documented
SVMDecision
- VM分类器通常具有较高的分类精度。我这里不想过多的去说SVM是怎么回事，只是提供一种使用SVM进行判别的方法。决策树与SVM的结合，可以分多类。-VM classifier usually has a higher classification accuracy. I do not want too much here to say how the matter SVM, SVM is used to provide a method for identification. The combin
pso-svm
- 这是一个用pso优化SVM中的惩罚参数C和核参数g的MATLAB源码，简单易学-This is an optimization of SVM with the pso in the penalty parameter C and kernel parameter g of the MATLAB source code, easy to learn
literature
- 几篇关于SVM研究的相关论文，主要是关于支持向量机决策树方面的-Several related papers on the SVM research, mainly on the aspects of support vector machine decision tree
Adaboost
- matlab实现AdaBoost,弱分类算法包括fisher 伪逆 svm naivebayes 决策树。-matlab implements AdaBoost, weak classification algorithms include fisher pseudoinverse svm naivebayes tree.
spider20060724
- 机器学习和模式识别工具包spider。内容很丰富。包含svm 决策树（C45,J48）、svm、knn、adaboost、bagging、hmm（隐马尔科夫模型）、随机树（random forest）等-Machine learning and pattern recognition toolkit spider. Very rich in contents. Tree contains svm (C45, J48), svm, knn, adaboost, bagging, hmm (hidd
machine-learning
- python3实现各种机器学习算法，包括knn算法，决策树算法，SVM算法，朴素贝叶斯算法等-Python3 realize all kinds of machine learning algorithms, including KNN algorithm, the decision tree algorithm, the SVM algorithm, naive bayesian algorithm, etc
rough-set-codes
- 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
MachineLearning-wepe
- MachineLearning-作者wepe 及其学习的实用包 包含决策树，支持向量机，K-MachineLearning- OF wepe and learn practical package contains decision trees, SVM, KNN, etc.
KNN，SVM，决策树，朴素贝叶斯
- 用python的sklearn包分类 简单的对数据进行分类(Sort with Python's sklearn package Simple classification of data)
machine_learning_inaction
- 机器学习十大算法实现，包括决策树、logisitic回归、SVM、数据降维等(Ten algorithms for machine learning, including decision tree, logisitic regression, SVM, data reduction and so on)
text_classification.tar
- 用python实现的问题分类算法，包括贝叶斯，svm,决策树，xgboost,对入门文本分类的同学有一定的帮助(text classification algrithom,include svm,dt,xgboost,bayes,that important to learner about text classification)
5
- 本程序论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。(This procedure describes how to realize neural network in MATLAB environment, including the commonly used neural network and relate
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)
machine_learning_python-master
- 通过阅读网上的资料代码，进行自我加工，努力实现常用的机器学习算法。感知机的基本形式和对偶形式的实现 Kmeans和Kmeans++的实现 EM GMM高斯混合和GMM+LASSO的实现 实现朴素贝叶斯的基本算法和高斯混合朴素贝叶斯算法 实现决策树的基本算法 实现adaboost基本算法 实现svm基本算法 实现逻辑回归基本算法(By reading the data codes on the Internet, we can process oursel
机器学习算法各种代码
- 机器学习算法各种代码，包含svm，pca，lda，决策树等源码