搜索资源列表
code
- 基于聚类集成机制的图像分割。集成多个聚类结果以获取更好的分割结果。-clusterer ensemble
Body-Area-Networks
- 一个身体部位比较模型的新方法网络（BAN）的，可以容纳多个环节和多个科目。所述的绝对测量允许跨频谱可能刻画的比较 从单参数为整个合奏，通过基于参数化到每个活动，每个学科和每个环节模型。使用错误，并明确之间权衡复杂性，在一个善良的适应措施相结合，显示有重要的影响时，适用于一系列典型的禁止通道数据。它是有不同的 在模式的选择的影响，以及它相关的复杂性，混合活动的“日常”的数据，设置活动相比，动态数据（例如步行）。平均路径损耗的不足，甚至位数的路径损失的措施，作为唯一的表征还强调“禁止通道。
RSE-v1
- RSE (Regularized Selective Ensemble) is a selective ensemble learning algorithm for binay classification, which constructs ensemble under the regularization framework. In current version, the graph Laplacian serves as the regularizer, and unlabeled d
BCS
- 压缩感知程序源码，Blind compressed sensing (BCS)不需要在采样和恢复阶段预先知道稀疏基。源码对于研究压缩感知前沿具有很好的借鉴意义。-The fundamental principle underlying compressed sensing is that a signal, which is sparse under some basis representation, can be recovered from a small number of linear
CODE-TO-CLUSTERING-ANALYSIS
- Temporal data clustering using ensemble algorithm. this fie only document for reference.and this file is first module for this project.
zuoye
- 巨正则系综蒙特卡罗算法的源程序；可以用来进行吸附等分子模拟；最大的好处在于可以插入或删除原子-Grand canonical ensemble Monte Carlo algorithm source can be used for adsorption, molecular simulation biggest advantage is that you can insert or delete atom
HEC
- 多层次复合分类器：整合人脸整体特征和局部特征而构造的分类器-hierarchical ensemble classifier
overlay
- function Px=overlay(N,omega,A,sigma,num) OVERLAY Forms multiple power spectral density estimates. --- - USAGE Px=overlay(N,omega,A,sigma,num) Calculates the periodogram using an ensemble of realizations of a process consisting
Software-faults-prediction-using-multiple-classif
- Abstract—In recent years, the use of machine learning algorithms (classifiers) has proven to be of great value in solving a variety of problems in software engineering including software faults prediction. This paper extends the idea of predi
enkf-matlab
- matlab代码，里面有几种卡尔曼滤波实现方法，而且带有实例，可直接运行-This file is part of EnKF-Matlab. EnKF-Matlab is a free softwareEnKF-Matlab originally was a rather loose code that emerged over a number of years in the course of experiments with Ensemble Kalman Filter (EnKF).
coursJava
- Java fait partie de la famille des langages de classes, une application Java est formée d un ensemble de classes. Celles-ci permettent de définir des types d objets avec leurs opérations spécifiques. Les entités manipulées dans le programme sont
EEMDSpectralAnalysis
- 全称为Ensemble Empirical Mode Decomposition (集合经验模分解)(Wu and Huang, 2009)，是EMD（经验模分解）(Huang et al. 1998 Huang and Wu, 2008)的改进算法，有效的解决了EMD的混频现象。 -Called the Ensemble Empirical Mode Decomposition (a collection of empirical mode decomposition) (Wu and Hua
analysis-tempreture-by-EEMD
- EMD方法分析全球温度异常_源程序。 eemd.m——总体经验模态分解； ifndq.m——获得瞬时频率； significance.m——统计显着性检验。-To analysis the annual mean global surface temperature anomaly by EMD. eemd.m——Ensemble Empirical Mode Function ifndq.m——The instantaneous frequency can be obta
110109001
- Applications of Extended Ensemble Monte Carlo
compil
- un compilateur à l’aide des outils Lex et Yacc pour un sous ensemble du langage C, le spC et de générer un code à trois adresses proche du langage assembleur, le 3aC.
SOMface_demo
- 基于自组织神经网络的人脸识别代码 X.Tan, S.Chen, Z.-H. Zhou, and F. Zhang, Recognizing Partially Occluded, Expression Variant Faces from Single Training Image per Person with SOM-Based kNN Ensemble. IEEE Transactions on Neural Networks.2005, 16(4): 875-886.-X.Tan,
ensemble-toolbox
- a very useful toolbox for classifiers combination: majority voting, max, min, average mesures and others
OCD--code
- 通过对集成误差公式的理论分析，提出了一种能主动引导个体网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解，使个体网络的训练准则函数中包含个体网络误差相关度的因素，并通过协同训练，引导个体网络进行差异性学习。该方法在基于油气分析的变压器故障诊断的实验结果表明，该方法的故障诊断准确率优于传统的三比值法与BP神经网络，其性能也比经典的集成方法Bagging和Boosting方法更稳定可靠。-A learning algorithm is proposed in this paper by
ADL-code
- 通过对集成误差公式的理论分析，提出了一种能主动引导个体网络进行差异性学习的集成网络学习算法。该方法通过对集成误差的分解，使个体网络的训练准则函数中包含个体网络误差相关度的因素，并通过协同训练，引导个体网络进行差异性学习。该方法在基于油气分析的变压器故障诊断的实验结果表明，该方法的故障诊断准确率优于传统的三比值法与BP神经网络，其性能也比经典的集成方法Bagging和Boosting方法更稳定可靠。-A learning algorithm is proposed in this paper by
multi-class-problem
- 将多类别问题分解成多个二类别问题是解决多类别分类问题的常用方式。传统one against all（OAA）分解方式的性能更多的依赖于个体分类器的精度，而不是它的差异性。本文介绍一种基于集成学习的适于多类问题的神经网络集成模型，其基本模块由一个OAA方式的二类别分类器和一个补充多类分类器组成。测试表明，该模型在多类问题上比其他经典集成算法有着更高的精度，并且有较少存储空间和计算时间的优势。-Decompose multi-class problem into multiple binary cl