搜索资源列表
code
- 此为数据挖掘课程大作业，主要功能是对已给定的描述生物分子三维结构的139351 个属性中，分类预测出该分子化合物对目标体的化学活性，从而达到帮助药物设计的目的。实验现有的数据包括：110个已标记活性标签的描述分子三维结构的139351维数据，634 个为标记活性标签的三维结构数据。希望根据这些提供的数据，采用适当的分类方法，提供出一个经过训练的分类器，能够尽可能准确的帮助未标记活性的分子化合物确定其活性。-This is a big job data mining courses, the ma
kmeans
- Kmeans算法实现带有标签的聚类的算法-Algorithm Kmeans tagged clustering algorithm
Maximum-Margin-Embedding
- 该算法是无监督的，贡献很大。很难得解决了最大边缘的不需要依赖标签信息，就能获得最大边缘的超平面映射-projecting data samples into the most discriminative subspace, where clusters are most well-separated。
elm_kernel_trainapredict
- Kernel_ELM传说中的核-极限学习机，基于官网给的版本，拆分成了训练和预测两个模块，方便大家得到训练模型和预测标签-Kernel_ELM, Extreme Learning Machine using Kernel，including two modules as train & predict
self-taught-learning
- 自主学习把稀疏自编码器和分类器实现结合。先通过稀疏自编码对无标签的5-9的手写体进行训练得到最优参数，然后通过前向传播，得到训练集和测试集的特征，通过0-4有标签训练集训练出softmax模型，然后输入测试集到分类模型实现分类。-Independent Learning the encoder and the sparse classifiers achieve the combination. First through sparse coding since no label was ha
LPA
- 基于标签传播的实时社区发现算法研究，实现了原始标签传播算法。-The research of real-time community detection algorithm based on label propagation.The original label propagation algorithm has been come true.
SvmOneVersusOne
- 支持向量机SVM可以使用多分类的问题，本次的代码实现的就是这个功能，里面含有训练和测试数据，分别含有12类标签，也就是都分为12类，另外代码采用了神经网络中的one-versus-one的思想，将数据分类K（K-1）/2个子类，分别调用SVM方法实现-It is about the classification in use of SVM for 12 classes. The algorithm contains training data and test data.
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
SVMwineclassification
- 选择１７８个样板的５０％作为训练集，另外的作为测试集，用训练集对ＳＶＭ进行训练得到分类模型，再用得到的分类模型对测试集进行类别标签预测。-Select 178 model 50 as the training set, the other as the test set, the SVM training classification model with the training set, and then the classification model by category label
darknet
- 神经网络引入后，检测框架变得更快更准确。然而，大多数检测方法受限于少量物体。检测和训练数据上联合训练物体检测器，用有标签的检测图像来学习精确定位，同时用分类图像来增加词汇和鲁棒性。原YOLO系统上生成YOLOv2检测器；在ImageNet中超过9000类的数据和COCO的检测数据上，合并数据集和联合训练YOLO9-After the neural network is introduced, it is becoming faster and more accurate detection fr
LPA
- 标签传播算法JAVA实现 初始化，每个结点携带一个唯一的标签；然后更新结点的标签，令其标签与它的大多数邻居的标签相同，若存在多个则随机选择。迭代直至每个结点的标签不再变化。-Label propagation algorithm
fcn.berkeleyvision.org
- 图像识别、深度学习。 语言用的是python 2.x ，里面有训练好的模型，在文件夹里都有给出地址，可以直接去下载。也有一个很大的图片包，里面有很多图片，可以直接拿来作为素材用。也可以自己给图片制作数据标签，训练自己的模型。(image recognition deep learning The language used is Python 2.x, and there are training models, which are given in the folder, which c
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
train-labels-idx1-ubyte
- 用于手写数字识别的训练数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Training data (tags) for handwritten digit recognition)
t10k-labels-idx1-ubyte
- 用于手写数字识别的预测数据（标签） 数据格式：前32位为2049，再32位为数据数量，之后每一位都是标签值(Predictive data (tags) for handwritten numeral recognition)
thinkpython
- 高清，带标签，很好的python学习资料(The book is high-definition, with a tabbed version, a good learning material Python)
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
ELM分类器
- ELM是基于深度学习的分类器，运算速度快。 在B_data.m里导入待分类矩阵B.mat（1-n列为特征值，n列为标签）；运行B_data.m；再打开fuzzyEn_main.m并运行即可。(ELM is based on depth learning classifier, computing speed. In B_data.m imported matrix to be classified B.mat (1-n as eigenvalues, n as a label); Run B
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)
MNIST数据集
- 利用pycharm对mnist数据哭进行直接解压缩操作，得到所有的图片和标签(Using pycharm to wept MNIST data directly, get all the pictures and labels)