搜索资源列表
Emlog2.2.0
- Emlog2.2.0 功能介绍 + 采用了模版技术，能让网站在瞬间改变样式 + Emlog附带模版(如果你不喜欢附带模板，可自已制作模片) + 多附件上传功能，每篇日志可以附加多个附件，并可以删除增加附件 + 支持引用通告(trackback)接受发送和管理 + 支持tag标签分类功能 + 支持RSS日志订阅功能 + 数据库备份/恢复功能 + 访问量统计 + 采用文本缓冲技术，减少查询
基于svm的分类器
- c++ 开发的svm分类器，功能不错，支持多类，多标签分类。使用方便，欢迎下载！
jeecms
- 产品简介: JEECSM是JavaEE版网站管理系统（Java Enterprise Edition Content Manage System）的简称。 ·基于java技术开发，继承其强大、稳定、安全、高效、跨平台等多方面的优点 ·采用hibernate3+struts2+spring2+freemarker主流技术架构 ·懂html就能建站，提供最便利、合理的使用方式 ·强大、灵活的标签，用户自定义显示内容和显示方式 ·在设计上自身预先做了搜索引擎优化,增
MILL
- 模式识别中，多标签标记中的经典代码，主要用于场景分类，目标识别，结合svm和boost算法对自然场景进行分类，真的很不错，看看吧-Pattern Recognition, multi-tagged in the classic code, mainly used for scene classification, object recognition, combined with svm and boost the natural scene classification algorithm,
ekucms2.5_20130714
- 易酷CMS影视系统是基于光线CMS影视系统进行的二次开发，新增不少功能和多项改进。支持多种来源和多种播放器，此软件为开源免费，供大家交流学习。 易酷2.5更新内容： 1、多分类批量处理 2、分页模板独立 3、后台视频管理可按播放器或者星级选择视频 4、采用友言社会化评论系统 5、后台生成显示当前状态 6、幻灯片支持分类调用 7、添加自定义采集资讯 8、common.php 加载 con_common.php 文件 9、模板自定义主目录（再不不担心模板被盗用
AMF1.0(HTML)
- Javascr ipt 后台管理框架 - AMF 【HTML版】 01) 兼容: 天衣无缝的兼容性能，可完美运行于IE5.5\6+*、Firefox x+、Chrome x+、Safari x+、Opera x+等浏览器。 02) 快速: 基于Javascr ipt原生态开发，运行快速高效、系统全部主体文件50多KB能极快载入启动。 03) 稳定: 系统使用frameset模式开发，轻松运行上百标签窗口毫无压力。 有效解决了使用AJAX单一dom加载模式过多卡机，变量、函数冲突错
AMF1.0(AMP)
- Javascr ipt 后台管理框架 - AMF AMF - 可应用于网站后台、系统管理等领域。 01) 兼容: 天衣无缝的兼容性能，可完美运行于IE5.5\6+*、Firefox x+、Chrome x+、Safari x+、Opera x+等浏览器。 02) 快速: 基于Javascr ipt原生态开发，运行快速高效、系统全部主体文件50多KB能极快载入启动。 03) 稳定: 系统使用frameset模式开发，轻松运行上百标签窗口毫无压力。 有效解决了使用AJAX单一
kNN
- kNN分类算法——将没有分类标签的数据与样本集合中所有的数据一一进行距离计算， 然后提取最相似的K个数据，这个K个数据中分类标签出现最多的分类就是新数据的分类标签。 优点：简单有效，缺点：耗费存储空间，非常耗时，无法给出任何数据的结构信息。 这个程序是采用python缩写，注释比较多，自己加的-kNN classification algorithm: no data and sample collection of all data classification labels on
CAL500_KNN
- 使用粒子群算法优化k近邻算法，达到多标签分类的代码，使用CAL500的数据集-the multi-label classification based on evolutionary computing using KNN
multilabel-classification
- matlab实现社交网络上的多标签分类，内含两个文件-Matlab to achieve multi label classification on social networks, containing two files
mulan
- mulan实现多标签分类，内含多个重要的分类器，乃是分类中的精华-Mulan implementation of multi label classification, containing multiple important classifier, is the essence of the classification
LDLPackage
- 该代码主要实现标签分布学习算法（Label Distribution Learning，LDL）对机器学习中多标签分类问题的改进和提升-The code mainly achieves label distribution learning algorithm(Label Distribution Learning, LDL) for machine learning multi-label classification improvement and upgrading
ML_Metric-function
- 上传的代码为多标签数据分类的度量函数 用于对多标签数据分类进行效果上的度量-Upload code for the multi-label data classification function is used to measure multi-label classification data to measure the effect on
mLknnMATLAB
- 本代码主要用了多标签K近邻方法（MLKNN）实现对多标签数据进行分类-This code mainly spent more than a label K-nearest neighbor method (MLKNN) to achieve the multi-label data classification
meiupic_v2.2.0
- 全新的UI，底层全部重构 支持多插件，多风格 默认风格预置了5种色调 可对图片相册评论 四种相册权限支持 支持标签分类功能 支持回收站功能 复制地址到剪贴板 支持超大文件上传及批量上传 -The new UI, all of the underlying reconstruction Support multi plug-in, multi style Default style preset 5 colors Photo album
MLkNN
- K近邻分类算法是一种简单有效的方法，基于此提出了多标签K近邻分类算法用于多标签分类研究(multi-label classification algorithm)
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
MLkNN
- 该程序是基于传统的K近邻方法发展而来的一种可用于多标签分类的方法(this code can be used for multi-label classification problem)
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
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)