搜索资源列表
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of gradient direction histograms,
mill
- 包含了很多分类算法，有SVM，knn，决策树等，还有文档说明-Contains a lot of classification algorithms, there is SVM, knn, decision tree and so on, have documented
The_Status_Quo_of_Machine_Learning_of_Artificial_I
- 机器学习是人工智能的一个子领域，是人工智能中非常活跃且范围甚广的主要核心研究领域之一，也是现代智能系统的关键环节和瓶颈。机器学习吸取了人工智能、概率统计、计算复杂性理论、控制论、信息论、哲学、生理学、神经生物学等学科的成果，主要关注于开发一些让计算机可以自动学习的技术，并通过经验提高系统自身的性能。本文介绍了机器学习的概念、基本结构和发展，以及各种机器学习方法，包括机械学习、归纳学习、类比学习、解释学习、基于神经网络的学习以及知识发现等，并简单叙述了机器学习的相关算法，包括决策树算法、随机森林算
SVMDecision
- VM分类器通常具有较高的分类精度。我这里不想过多的去说SVM是怎么回事，只是提供一种使用SVM进行判别的方法。决策树与SVM的结合，可以分多类。-VM classifier usually has a higher classification accuracy. I do not want too much here to say how the matter SVM, SVM is used to provide a method for identification. The combin
libsvm-2.88-string
- SVM一个分类组件，用于分类的算法,和决策树等算法都是用于机器学习的算法-SVM
GA_SVM
- 对于小样本而言，SVM的仿真效果要比神经网络好，但是SVM的性能依赖于它的两个训练参数，本算法是用GA自动选择SVM的两个参数。-For small sample case, SVM simulation results than the neural network is good, but the performance of SVM depends on its two training parameters, the algorithm is automatically selected
pso-svm
- 这是一个用pso优化SVM中的惩罚参数C和核参数g的MATLAB源码，简单易学-This is an optimization of SVM with the pso in the penalty parameter C and kernel parameter g of the MATLAB source code, easy to learn
literature
- 几篇关于SVM研究的相关论文，主要是关于支持向量机决策树方面的-Several related papers on the SVM research, mainly on the aspects of support vector machine decision tree
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
123
- 数据挖掘常用算法有SVM,决策树等，神经网络-Data mining commonly used algorithm
VSVMDecisionM
- VM分类器通常具有较高的分类精度。我这里不想过多的去说SVM是怎么回事，，只是提供一种使用SVM进行判别的方法。决策树与SVM的结合，可以分多类。 -VM classifier usually has high classification accuracy. I do not want too much to say that SVM is how, just a SVM is used to discriminate. Combination of decision tree and S
SVM
- SVM算法的一个windows下实现，用决策树实现预测农产品质量，数据存放于SQLServer中，ADO方式存取。-SVM algorithm a windows with decision tree predictive quality of agricultural products, the data stored in SQLServer ADO accessed.
Adaboost
- matlab实现AdaBoost,弱分类算法包括fisher 伪逆 svm naivebayes 决策树。-matlab implements AdaBoost, weak classification algorithms include fisher pseudoinverse svm naivebayes tree.
spider20060724
- 机器学习和模式识别工具包spider。内容很丰富。包含svm 决策树（C45,J48）、svm、knn、adaboost、bagging、hmm（隐马尔科夫模型）、随机树（random forest）等-Machine learning and pattern recognition toolkit spider. Very rich in contents. Tree contains svm (C45, J48), svm, knn, adaboost, bagging, hmm (hidd
machine-learning
- python3实现各种机器学习算法，包括knn算法，决策树算法，SVM算法，朴素贝叶斯算法等-Python3 realize all kinds of machine learning algorithms, including KNN algorithm, the decision tree algorithm, the SVM algorithm, naive bayesian algorithm, etc
code
- 机器学习 R语言对与数据进行分类，包括决策树，SVM，贝叶斯，percepttron等算法。需要注意之前要安装相应的R工具包。具体工具包名称百度一下就能容易获取。-R for language and machine learning to classify data, including decision trees, SVM, Bayesian, percepttron algorithm. To install the appropriate R toolkit before need t
text_classification.tar
- 用python实现的问题分类算法，包括贝叶斯，svm,决策树，xgboost,对入门文本分类的同学有一定的帮助(text classification algrithom,include svm,dt,xgboost,bayes,that important to learner about text classification)
code
- 可完成相应的SVM分类、决策树分类、图片压缩、图片重采样、中值滤波等图片处理工作(It can complete the corresponding picture processing work.)
MATLAB
- 本书论述在MATLAB环境下如何实现神经网络，包括了常用的神经网络及相关理论，如BP神经 网络、RBF神经网络、SVM、SOM神经网络、灰色神经网络、决策树、随机森林、小波神经网络、NARX神经网络等以及各种优化算法与神经网络的结合。((This book discusses how to realize neural network in MATLAB environment, including the commonly used neural network and related the