搜索资源列表
weka-3-5-5
- weka是机器学习和数据挖掘领域最有影响力的开源项目之一，大量实用的代码-weka is machine learning and data mining areas of the most influential open source projects, a lot of practical code
模糊推理程序
- 为缩短编码长度，提高优化速度，采用简单的3＊5＝15条模糊规则-to shorten the length coding, improve speed optimization, a simple 3 * 5 = 15 fuzzy rules
ExplorerGuide-3.5.5_chs
- WEKA 3-5-5 Explorer 用户指南 原中文版-Explorer how to use weka 2-5-5
Workpiecefeatureextraction
- 1、有9个工件图像，要求从本章讲授的特征提取方法中，选择3~5种提取工件特征并给出数字结果；链码为必选方法，给出数字结果和图形显示，做到链码和原图像的双向变换显示。（实验报告中应描述相应的特征提取方法并略述实现过程） 2、设计的界面中要具备功能：任选1个工件作为目标，以上述实现的特征提取方法识别该目标的工件类型（即序号），并显示该判别基准特征的数据。 3、有可能的话试用聚类、训练或其他方法对这些工件进行分类。 -err
weka-3-5-8
- 数据挖掘的最常用工具。由于开源，可以使用自己的代码进行开发。-The most commonly used data mining tools. Because of open source, you can use to develop their own code.
Weka3.5.8
- weka3.5.8版本，包括3.5.8版本的安装程序和源码，两个3.5.5的英文版入门教程和一个中文入门教程-weka3.5.8 version, including the 3.5.8 version of the installer and source, the two English-language version 3.5.5 and a Chinese Tutorial Tutorial
SOM
- Basic library that implements Kohonen s SOM and its learning. Lanuage: C# (.Net 3.5 Framework)
bp-assort
- 应用bp算法实现对iris数据库的分类，iris数据库是人们广泛使用的用于模式分类的实例系统。它含有150个例子，分为三类，每个类由四个实数特征值描述，分别表示萼片（sepal ）长度，萼片宽度，花瓣（petal ）长度，花瓣宽度。问题是根据这四个特性值分类三种iris 植物，输入为四个特征值和类别 （5.1 3.5 1.4 0.2 0），输出算法分类结果 -Bp algorithms applied to the iris database, the classification, iris
BayesianNetClassifiers-3-5-8
- Weka的贝叶斯分类器官方使用指南，PDF格式，48页，版本为3.5.8（兼容更新的3.6+版本）-Weka Bayes classifier official User Guide, PDF format, 48 pages, version 3.5.8 (compatible with an updated version)
mpi-ikl-simplemkl-1.0.tar
- This package contains an implementation of the Infinite Kernel Learning (IKL) algorithm and the SimpleMKL algorithm. This is realized by building on Coin-Ipopt-3.3.5 and Libsvm.
3-5LDPC
- 3-5循环移位码是LDPC码准循环码中一种典型的构造校验矩阵的方法，较小的（155 64）码通常也是对比测试其他码的性能好坏的重要测试标准，程序详细描述了构造的步骤和方法，结果是采用AList的结果存储方法，译码性能可以由BP迭代译码直接得出-3-5 cyclic shift LDPC codes are quasi-cyclic codes in the code structure of a typical calibration matrix method, the smaller (15
Rscodes
- Simulate, by using c, a communication system consists of binary source, RS (7,3,5)/RS (128,122,7) encoder, BPSK modulator, AWGN channel, coherent demodulator, RS (7,3,5 )/RS (128,122,7) BM decoder and sink.
kecheng2011
- 课程设计要求 0 实验一 基于模板匹配的字符识别 1 实验二 基于C均值算法的车辆检测与跟踪 3 实验三 水果分类系统设计 5 实验四 基于遗传算法的图像歪斜校准 6 实验五 基于BP网络的函数逼近 9 实验六 空调模糊控制系统设计 -Curriculum design requires 0 Experimental one based on template matching character recognition 1 C-means algorithm
N-GEN-(5)
- The proposed approach is based on three stages which (1) use neural networks for constructing a response function model of a dynamic multiresponse system, (2) use exponential desirability functions for evaluating overall performance of a specific
decisionTreeC4.5
- （1）分类精度高；（2）成的模式简单；（3）对噪声数据有很好的健壮性。因而是目前应用最为广泛的归纳推理算法之一，在数据挖掘中受到研究者的广泛关注-(1) the classification accuracy is high (2) model is simple (3) has good robustness to noise data. It is currently one of the most widely used inductive reasoning algorithm, r
GameBots2009-10-15(1848)
- GameBots2009-10-15(1848).zip 使用前请安装UT2004游戏人工智能编程中间件PogamutUT2004Installer-3.5.1.jar。具体安装信息与完整信息，请参考http://pogamut.cuni.cz/main/tiki-index.php网站相关安装方法与其他信息-GameBots2009-10-15 (1848). Zip before using the installation UT2004 game AI programming midd
5
- BP学习算法逼近墨西哥草帽函数 在Windows环境中利用Matlab实现BP学习算法在达到期望均方误差最小的情况下正确表达墨西哥草帽函数。 实验目的：1.理解BP神经网络结构模型，初步了解BP网络的用途。 2.学习BP学习算法，掌握误差往回传播网络的构建思想。 3.能够正确使用BP学习算法表达墨西哥草帽函数。 -BP learning algorithm Mexican hat function approximation BP learning algorithm
Desktop
- 求解简单的JSP问题，已知3机器5工件的JSP问题加工工序和加工时间矩阵，求解最有加工顺序下的最小完工时间-Solving simple JSP issues, known 3 5 machine the workpiece JSP processing steps and processing time problems matrix, solving the minimum completion time under most machining sequence
cover
- 给定 n 个整数 a1,a2,…,an 组成的序列，如果对于 i< k< j,有 ak< |aj|，则称 aj 覆盖序列区间 ai,ai+1,…,aj，相应的覆盖区间长度为 j-i+1。 最大覆盖问题要求给定序列的最大覆盖区间长度 L。 例如，当 n 10，相应序列为：1,6,2,1,-2,3,5,2,-4,3 时，L 5。 ★数据输入 输入数据第一行是一个整数 n，第二行是整数序列 a1,a2,…,an。 ★数据输出 输出给定序列的最大覆盖区间长度
Keras1.1.2
- This is a Keras library 1.1.2 for Python 3.5 (includes source code + docker).