搜索资源列表
广义异或集成神经网络算法
- 本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。 -this pro
BayesFisher
- Bayes分类器和Fisher分类器的设计仿真-Bayesian classifier and Fisher classifier design simulation
fisher_identify
- 学进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更深刻地认识，理解Fisher准则方法确定最佳线性分界面方法的原理，以及Lagrande乘子求解的原理。-school with a better understanding of classification of the design concept, According to the design of linear classification for a more profound understanding, Fisher
pattern-recongnation
- 该程序设计采用了模式识别中的多种方法： 模板匹配§贝叶斯￥几何分类器×神经网络法等分类方法
fenlei
- 模式识别，一个很好的数字，图形程序，包括了很多种算法，样本设计，摸板匹配，BYS分类器，线性分类器，非线性分类器，神经网络分类
H.263c
- 本文分别在图像层和宏块层进行H.263的码率控制。在图像层采用后向自适应控制的方法，通过引入量化步长因子—编码输出比特数映射表，确定每帧图像量化步长因子的基准值。在宏块层采用前向控制的方法，根据视觉掩蔽特性设计模糊分类器，确定人眼对每个宏块的敏感程度和相应的量化步长因子。能在视频输出码率恒定的条件下，保持图像质量的稳定，取得较好的视觉效果。
1
- 基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割 是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提 出了一种基于’() 神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于 ’() 学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联 式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实
DESIGN_AND_IMPLEMENT_A_SYSTEM_oF_GRASP_IDENTIFICAT
- 机器人灵巧手的抓持分类是抓持规划的一个主要问题．本文应用模式识别技术设计和实现了一种基于高斯混合模型GMM 的分类器．采用Expectation Maximization(EM)算法估计GMM 的参数，对人手的抓持动作进行识别与分类，经过人手到机器人手的关节空间运动映射。
FaceDetection
- 一个典型的人脸识别系统主要包括训练过程和识别过程。训练过程主要完成将已知人脸进行定位、特征提取与选择、以及分类器的设计；识别过程则完成将未知图片进行处理，并最终识别出身份的分类和决策
classifier
- 分类器的设计，包括knn方法和BP的方法。对一系列样本点进行分类
all
- 模式识别分类器的设计，此为K均值法源码，经调试通过。所用数据为标准IRIS。
Fisher520
- 模式识别分类器的设计，此为fisher法源码，经调试通过。所用数据为标准IRIS。
LMS520
- 模式识别分类器的设计，此为LMS法源码，经调试通过。所用数据为标准IRIS。
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
N-gram
- 在分析了传统的分类模型后 ,文中提出了用N元语言模型作为中文文本分类模型。根据该方法 ,设计并实现一个基于词的2元语言模型分类器。-After the review of traditional text classi fication models , a method using N2gram language models to classi fy Chinese text was presented. With the bi2gram model, a text classi fie
Games
- Bayes分类器——算法设计 1． 使用决策树(Decision tree)分类算法、朴素贝叶斯（Naï ve Bayes）算法或者K-近邻（kNN）算法（三者任选其一）对给定的训练数据集构造分类器，并在测试数据集上进行分类预测。 2． 数据集描述： Tic-tac-toe游戏的二叉分类。Tic-tac-toe游戏示例如下-Bayes classifier- Algorithm 1. Using the decision tree (Decision tree) classi
knn
- knn分类器的设计源程序，经过测试能事功能-knn classifier design source, function tested wiles
tpahj
- 模式识别的分类器设计内含４个分类器按照要求可以生成分类器并可以对分类器进行检验()
案例5
- 基于BP_Adaboost的强分类器设计——公司财务预警建模(Design of strong classifier based on BP_Adaboost: modeling of corporate financial early-warning)
gutdnfi
- 模式识别的分类器设计内含４个分类器按照要求可以生成分类器并可以对分类器进行检验()