搜索资源列表
KMEANS聚类
- knn分类模式识别可用于文本挖掘和其他的识别分类,vc代码,-Commission pattern recognition can be used for classification of text mining and other identification classification, vc code,
KNN(C++)
- knn，即k最近邻算法是模式识别中的一种比较简单而经典的分类算法-knn, k-nearest neighbor pattern recognition algorithm is a relatively simple and classic classification algorithm
python-knn
- 主要利用Python软件，利用KNN算法对垃圾邮件进行分类(This paper mainly uses Python software to classify spam mail by using KNN algorithm)
knn
- 人工智能导论课作业，水杯图片的分类，knn方法实现(Homework of AI. classify images of cups and bottles. Using knn)
CT_WSNv1.0
- knn optimization for wsn
PCA
- 采用INP数据（145*145*200），该数据有16个类别， PCA进行数据降维，然后对降维数据采用kNN分类（k=1）。(Using INP data (145*145*200), the data has 16 categories, PCA carries out data reduction, and then uses kNN classification for dimensionality reduction data (k=1).)
KNN方法
- 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一(The adjacent algorithm, or the K nearest neighbor (kNN, k-NearestNeighbor) classification algorithm is one of the simplest methods in the data mining classification technique)
KNN
- 通过K-NN（K临近）算法，python语言实现glass数据集的分类，压缩包里包括glass.txt数据集。(The classification of glass data sets by KNN algorithm)
knn
- #k-近邻算法 实现 KNN 分类算法 # 对未知类别属性的数据集中的每个点依次执行以下操作： # (1)计算已知类别数据集中的点与当前点之间的距离 # (2)按照距离递增次序排序 # (3)选取与当前点距离最小的K个点 # (4)确定前K个点所在类别的出现频率 # (5)返回前K个点出现频率最高的类别作为当前点的预测分类(#k-Nearest Neighbor , KNN)
knn
- python语言编写的，利用KNN实现分类以及梯度下降算法。(Use kNN to classify)
KNN
- K近邻算法,设定K类后，用该算法进行分类任务(KNN algorithm,this method can be used to execute classify mission)
kNN
- KNN实现python实现代码，结合数字数据集，实现数字的分类任务。(KNN implements the python implementation code and combines the digital data set to realize the classification task of the digital.)
knn
- KNN文本分类算法(k nearest neighhor)使用knn实现样本分类(KNN(k nearest neighhor)classification)
kNN(python实现)
- 分类算法，最近k临近算法，用于分类分析，属于数据处理(The classification algorithm, the nearest K approach, is used for classification analysis, which belongs to data processing.)
PCA
- 对高维图像进行PCA和KNN分类器处理转换为低维图像(use PCA and KNN for high dimensional image)
最近邻分类器LBP
- 局部二值模式LBP+KNN分类方法人脸识别源代码,，内涵数据库，可运行(Local two value pattern LBP+KNN classification method, face recognition source code, connotation database, can be run)
KNN与FISHER准则分类
- 基于matlab的KNN以及FISHER准则分类代码，附带算例。(Matlab based KNN and FISHER criteria classification code, with examples.)
sklearn-tree-BN-knn
- 分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit-learnpackage to train the dat
KNN_Kmeans_RBF Algorithm
- KNN Kmeans RBF Algorithm based on matlab
PCA+mnist
- 基于python，利用主成分分析（PCA）和K近邻算法（KNN）在MNIST手写数据集上进行了分类。 经过PCA降维，最终的KNN在100维的特征空间实现了超过97%的分类精度。(Based on python, it uses principal component analysis (PCA) and K nearest neighbor algorithm (KNN) to classify on the MNIST handwritten data set. After PCA dime