搜索资源列表
RBFNeuralNetwork
- RBF模拟神经网络（主要用于函数拟合与模式分类）Matlab的示例程序-RBF simulated neural network (the main function for the fitting and pattern classification) Matlab sample program
NeuralNetwork_RBF
- RBF神经网络用于分类与回归 ---------------------------------------- 作者：陆振波，海军工程大学 欢迎同行来信交流与合作，更多文章与程序下载请访问我的个人主页 电子邮件：luzhenbo@sina.com 个人主页：luzhenbo.88uu.com.cn ---------------------------------------- 文件说明： 1、NeuralNetwork_RBF_Classifi
RBF_classification
- 用rbf神经网络实现分类和曲线拟合，包括分离器和曲线拟合两个文件，可以直接解压缩使用-using neural network classification and curve fitting, including separator and curve fitting two documents, decompression can be used directly
NeuralRBF
- 神经网络RBF网络预测和分类，很实用的程序-neural network RBF network prediction and classification of very practical procedures
jnntbeta0.2f
- 人工神经网络java工具箱源代码 包含BP网络，K分类和RBF网络-ANN java source code toolkit includes BP, K Classification and RBF Network
NeuralNetwork_RBF_Classification
- ％ RBF 神经网络用于模式分类 ％ 使用平台 - Matlab6.5
RBFtofittingandmodeallocation
- ％ RBF 神经网络用于模式分类与函数拟合 ％ 使用平台 - Matlab6.5及以上
IntrusionDetectionTechnologyBaseonSupportVectorMac
- 本论文将统计学习理论引入入侵检测领域，讨论了基于SVM方法的智能检测 策略，检测算法具有良好的推广能力.引入HVDM距离代替范数，改进了SVM的 RBF核函数定义，使之能够直接处理异构的网络连接信息 利用有保证的估计方法 来确定训练数据集规模，避免了依靠实验选择训练规模的盲目性 针对重复样本 和重要样本提出了样本加权的思路，降低了错分样本的可能 考虑到网络连接记 录的不同属性对检测结果贡献不一的事实，提出了特征选择与特征加权的方法， 进而得到一个更好的分类超平面，提高了检
brian_rbf
- 一个RBF网络的matlab源文件，用于进行脑部图像的分类（脑灰质、脑白质等），包含示例图片。
NeuralNetwork_BP
- RBF神经网络matlab代码可以用于分类与回归
NeuralNetwork_RBF_Classification
- rbf神经网络用于分类的matlab程序，修改数值就可适用
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1989. It is a branch of radial
iris
- 使用iris鸢尾花数据集测试rbf神经网络的分类效果(Using iris iris dataset to test the classification effect of RBF neural network)
fenlei
- K均值聚类分析，可实现2/3/4类的分类，适用于初学者，为实现5/6类的分类提供想法(k-means clustering analysis)
7个RBF神经网络的源程序
- rbf神经网路的预测，径向基神经网路的分类，径向基神经网路的建模等7个m文件
Untitled2
- k—means函数，RBF网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。(k-means function, RBF network can approximate any non-linear function, can deal with difficult-to-resolve regularity in the sys
神经网络
- 利用RBF网络进行仿真实验，进行数据的分类(Using RBF network to carry out simulation experiments and classify the data)
rbf-svm.py
- 通过SVM可以对两个半月形的数据簇进行分类(By using SVM, two semilunar data clusters can be classified.)
Matlab实现
- 使用两种不同神经网络预测鸢尾花的分类，对两种结果进行比较(Prediction of the classification of irises by two neural networks)
KNN_Kmeans_RBF Algorithm
- KNN Kmeans RBF Algorithm based on matlab