搜索资源列表
CPPHandwritten-character-recognition
- VC++ 手写文字识别程序源码。实现手写数字给出不同的分类器识别结果，可心采用模板匹配分类器（最邻近模板匹配法）识别。手写数字或者打开已有的手写数字图像后，在右视图空白处，单击鼠标左键，激活右视图，选择菜单中的各种分类算法，可以对手写数字进行分类。-VC++ handwriting recognition program source code. Handwritten numbers give different classification recognition result satisf
ayaya_cms_1.0.0
- 以PHP+Mysql构建,开源,免费 支持多国语言 主题共享 栏目共享 模板可视化 栏目自定义 用户身份体系 后台部署 搜索引擎优化等 本系统已集成: 用户中心模块,独立页模块,tag模块,插件挂接模块,首页模块,分类模块及特殊功能页模块. -In PHP+Mysql build, open source, free support for multiple languages theme shared columns share template visualization cust
67cms-v2.0
- 经过一年的开发更新与升级，67CMS2.0版正式上线 67cms 2.0的变革 1.不再需要授权，商业用户免费使用！！ 2.栏目分类的级别添加至四级 3.单页的级别添加至四级 4.新增加人才招聘模块，招聘也可进行分类检索，采用公用的分类调用 5.图集采用新的js效果调用 6.英文版后台已翻译完毕，可无限添加语言包 7.其他N多细节修改，与Bug修复不做详细介绍了 -After a year of development updates and upgrades, 67CMS2.0 version
pengfie
- Relief计算分类权重，已调制信号计算其普相关密度，数值分析的EULER法。- Relief computing classification weight, Modulated signals to calculate its density Pu-related, EULER numerical analysis method.
beiyesifenlei
- 针对两类样本所设计的贝叶斯分类器，包括已知参数和未知参数，当参数未知时，用最大似然法进行参数估计-Bias classifier is designed for two kinds of samples, including known and unknown parameters, when the parameters are unknown, the maximum likelihood method is used to estimate the parameters.
fenlei
- 对已有的纹理进行分类，能分出四类不同在陆地结果-The existing texture classification can separate the four different types of land results
xihav1.4
- 修改程序内核，功能更加强大，添加酷站，下载等 2文章，音乐，下载，酷站增加了分类功能。 3修改了已知 BUG 4修改皮肤界面，并在以后的日子里陆续制作各种皮肤！-1 modify the program kernel, more powerful, add cool station, download, etc. 2 articles, music, download, cool station to increase the classification function. 3 modifie
hawzdh
- 程序体积小巧、采用ASP+ACCESS构架，网页模版清新简洁。 【程序后台主要功能及特点】 1、全站可采用动态、伪静态、纯静态html方式。 2、分类页包含个性化的title、meta，易于搜索引擎收录！ 3、网站分类齐全，网址收录比较全面（程序发布时已删除淮安本地网址，目的是方便其他地区网友使用）。 4、全后台化管理，操作简单。 5、栏目无限分类，自由添加。 6、网站后台用户和密码均为admin -The program is small, the use
phpok_php
- 一套很务实的简洁的系统！PHPOK能满足大多数的初级企业网站用户。已集成常用的企业网站常用的实用的模块：公司简介、产品展示、联系我们、在线留言等，并根据实际需要，集成自定义模块功能，以满足不同行业的不同需求。 PHPOK4有什么令人期待的特性！ 1、第一次引入多站点模式，支持同一个空间开通不同的站点，所有的站点都是在一个后台里管理（注意，这里不是站群） 2、支持手机访问自动切换到手机模式（如果您的站点风格和手机风格不一样，只要按照一定的文件夹命名，即可轻松实现） 3、伪静态化更人
bai-sc48
- 已调制信号计算其普相关密度，插值与拟合的matlab实现，可以实现模式识别领域的数据的分类及回归。- Modulated signals to calculate its density Pu-related, Interpol
EM
- EM算法，能够比较准确的实现对二维数据的分类，已测试通过，完全可以运行-The realization of the EM algorithm, can be more accurate to 2 d data classification, tested through, can run
Machine_learning_PRTools
- 机器学习工具箱，用于进行分类等实验，已使用，感觉很不错！-Machine learning toolbox, used for classification and other experiments.It has been used, I feel very good!
vurgr
- 保证准确无误，是学习通信的好帮手，Relief计算分类权重，已调制信号计算其普相关密度。- Ensure accurate communication is learning a good helper, Relief computing classification weight, Modulated signals to calculate its density Pu-related.
Relief
- 函数实现了lelief算法。（计算样本的每一个特征的分类权重，选出具有最大权重的一组特征。样本的特征就是基因）。 对权重较大的一组基因进行两两冗余分析。将相关性弱的和强相关中权重大的基因保留，即为特征基因。 已知基因表达谱数据、不同类样本的个数，自行设定分类特征的权重阈值。 对原始数据标准化的方法：（x－基因均值）/基因方差。 样本的类内类间距离采用欧氏距离。-Lelief function implements the algorithm. (Classificatio
Ls
- 如何编图形软件开发程序，画图过程的显示，图像分层显示 图层软件架构： 大型图形软件通用的架构，是用一个抽象类（CLayer）的多态派生类对不同图层代码分类管理。 （如果将各种图形绘制以及拖放过程在一个类中编写，最后这个类的代码将无比庞大而且难于维护） a)支持画直线、矩形和椭圆等多种图形的软件，必须将鼠标按下、释放和拖动等事件联合处理； b)支持绘图过程中的显示； c)支持鼠标光标掠过某个图层时显示热点跟踪（HotTrack）状态； d)单击某个图层时显示选中状态； e)拖动
最小错误率贝叶斯决策
- 基于最小错误率的贝叶斯决策 （1）要决策分类的类别数是一定的；（2）每一类出现的“先验概率”已知；（3）每一类的“类条件概率密度”已知；(Bayesian Decision Based on Minimum Error Rate(1) the "prior probabilities" of each class are known; (2) the "conditional probability density" of each class is kn
134JSP网上花店
- 网上鲜花店基础数据维护： 1) 用户和权限管理 2) 鲜花基本信息和分类管理 查询： 1) 店主查询所有的订单 2) 店主查询鲜花库存量 3) 鲜花基本信息查询 4) 客户查询自己的订单内容、是否已被受理(Basic data maintenance of online flower shop: 1) user and privilege management 2) basic information and classification management of flowe
AutoModel
- 对已知类别投诉文本进行建模，用以对后面未知类别文本进行分类(Modeling a known class of complaint texts to classify text in the later unknown category)
BP2
- 利用神经网络实现信号数据的分类，已达到数据处理的目的(Using neural network to realize the classification of signal data has reached the purpose of data processing)
KNN
- 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。(In the case where the training data and the tag are known, the test data is input, the characteristics of the test data are compared with the character