搜索资源列表
NaiveBayes
- 朴素贝叶斯分类算法，《机器学习及java实现里面的》
caodichaoshi
- 贝叶斯网络的经典应用，是入门学习贝叶斯的一个经典的例子，很好用，很好理解-Bayesian network of the classic application, very good understanding, is the study of the bayesian introductory material
bayes
- 贝叶斯分类器计算的后验概率值，找到最大的后验概率-Bayesian classifier posteriori probability value, find the maximum a posteriori probability
LFM
- 针对贝叶斯滤波过程中存在的目标跟踪问题，提出几种典型的贝叶斯滤波方法，如EKF, UKF, PF和UPF 等，基于这些方法所构 建的框架，对它们进行性能测试和比较，并在非线性环境下，讨论这些方法的特点，仿真实验结果表明，在非线性非高斯环境下，UPF 方 法的性能是最优的。 -According to the bayesian filtering occurred in the process of target tracking problem, this paper puts forw
naiveBayesClassify
- 自己用JAVA编写的朴素贝叶斯分类器程序，测试过，没问题，放心下载吧。-Naive Bayes classifier program written with JAVA, and tested, no problem, rest assured download it.
Bayesguji
- MTLAB程序源码\源程序_Maltab在数学建模中的应用贝叶斯估计程序-bayesians madeling
bnt
- 如何使用贝叶斯网络工具箱,内容源代码很详细。-how to use the bayes network box
HL
- 经过调试过的朴素贝叶斯分类器，可以正常使用。-After debugging through the Naive Bayes classifier, can be used normally .
beiyesi
- 在matlab环境下的一个朴素贝叶斯分类器，大家可以学习参考下-Matlab environment a Naive Bayes classifier, we can learn to refer to the following
PARTICLE
- 粒子滤波 PF( Particle Filtering) 是在 贝叶斯滤波框架下基于 Monte Carlo 采样的统计滤波方法，可解 决非线性、非高斯的滤波问题，声源跟踪就属于这类问题。近年 来，基于粒子滤波的声源跟踪算法已成为研究的热点。 -he real acoustic data recorded in a typi- cal meeting room using a small-scale microphone array is used for tracking
eu056
- 有CDF三角函数曲线/三维曲线图，最终的权值矩阵就是滤波器的系数，包括主成分分析、因子分析、贝叶斯分析。- There CDF trigonometric curve/3D graphs, The final weight matrix is ??the filter coefficient, Including principal component analysis, factor analysis, Bayesian analysis.
wm335
- 虚拟力的无线传感网络覆盖，利用贝叶斯原理估计混合logit模型的参数，单径或多径瑞利衰落信道仿真。- Virtual power wireless sensor network coverage, Bayesian parameter estimation principle mixed logit model, Single path or multipath Rayleigh fading channel simulation.
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统