搜索资源列表
MachineLearning
- 关于机器学习综述的相关文章，其中包括几个ppt，也有英文原版的文章介绍！
dataminning
- 数据挖掘算法概述大全，绝对经典。详细介绍了各种数据挖掘的理论知识及算法，是机器学习领域不可多得的电子教程，强烈推荐
knn
- 朴素贝叶斯(Naive Bayes, NB)算法是机器学习领域中常用的一种基于概率的分类算法，非常简单有效。k近邻法(k-Nearest Neighbor, kNN)[30,31]又称为基于实例(Example-based, Instance-bases)的算法，其基本思想相当直观：Rocchio法来源于信息检索系统，后来最早由Hull在1994年应用于分类[74]，从那以后，Rocchio方法就在文本分类中广泛应用起来。
abcsearch
- 文献检索,资料介绍,机器人,人工智能，机器学习等方面的资料
WebDataMining
- Web数据挖掘作为数据挖掘技术和Internet应用研究相结合的研究领域，涉及机器学习、数理统计、数据库、神经网络、模式识别、粗糙集、模糊数学等人工智能相关技术，目前已经发展成为一个受到社会各界关注的研究热点。
虹膜身份识别技术
- 介绍了当前最有发展前景的生物特征识别技术一虹膜身份识别技术，它包括虹膜图像的获取、预处理、特征提取与编码以及分类几个步骤。详细介绍了当今具有代表性的虹膜识别算法，指出各种算法的特点并比较其优劣。最后，针对 虹膜识别技术存在的主要问题分析了虹膜识别的发展方向，即精度高、速度快、鲁棒性好的定位算法，高效的特征提取方法，机器学习的分类方法，虹膜图像的质量评价方法，不完整、不合作情况下的虹膜识别研究以及活体虹膜检测等。
文本分类总结
- 很详细的基于机器学习的文本分类总结。综述性文档
基于贝叶斯网络的半监督聚类集成模型
- 已有的聚类集算法基本上都是非监督聚类集成算法,这样不能利用已知信息,使得聚类集成的准确性、鲁棒性和稳定性降低.把半监督学习和聚类集成结合起来,设计半监督聚类集成模型来克服这些缺点.主要工作包括:第一,设计了基于贝叶斯网络的半监督聚类集成(semi-supervised cluster ensemble,简称SCE)模型,并对模型用变分法进行了推理求解;第二,在此基础上,给出了EM(expectation maximization)框架下的具体算法;第三,从UCI(University of Ca
三菱PLC学习软件，让你从零到会修机器
- 三菱PLC学习软件，让你从零到会修机器，之用三天时间就OK,Mitsubishi PLC software study, so that you will be from zero to repair the machine, use the three days on the OK
AdaBoost
- 这里是关于图像处理之机器学习方面的资料--AdaBoost，自适应boosting. 非常经典的资料-Here is on image processing of machine learning information- AdaBoost, adaptive boosting. Very classical information
Chih---Jen-Lin-ML-
- 林智仁06年机器学习暑期学校讲义，有助于支持向量机的学习-Chih- Jen Lin 2006 Machine Learning Summer School lectures, help to improve support vector machine learning
FaceDe
- 基于支持向量聚类的多聚焦图像融合算法. 从无监督机器学习角度提出了一种基于SVC(support vector clustering)的图像融合规则,解决了基于 SVM(support vector machine)的融合规则在处理多聚焦图像融合问题时所引起的区域混叠与非平滑过渡问题,进一步提高了融合图像的质量.-Based on support vector clustering algorithm for multi-focus image fusion. Never oversig
1
- 机器学习方法在人脸识别中的应用，人脸识别方面的参考资料-Reforance book for face detecting
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
introductionsvm
- 支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中-SVM (Support Vector Machine) is Cortes and Vapnik in 1995, first put forward, which in the settlement of a small sample, nonlinear and high di
CVPR_guider
- 里面介绍了机器视觉的学习相关网站，由低到高，适合参考-Which introduced the study of machine vision-related sites, from low to high, suitable for reference
getPDF2
- 不错，主要讲机器学习的英文文章，才能加过机器学习国际会议，并获奖-machine learning
intrusiondetectionbasedonmachinelearning
- 基于机器学习的入侵检测技术研究,机器学习是CS领域中最好玩的分支之一。把它应用到网络安全领域也是很有意思的。-Intrusion detection based on machine learning technology research, the field of machine learning is the CS branch of one of the most fun. And apply it to the field of network security is also ver
machinelearningresearchingbasedonsvm
- 基于支持向量机的机器学习研究。支持向量机是目前机器学习领域一个比较成熟的算法。-Based on Support Vector Machines Machine Learning Research. Support Vector Machine is a relatively mature field of machine learning algorithms.
prml-slides-1Introduction
- 和当时最热的《模式识别与机器学习》对应的课件-the hottest book of Pattern Recognition and Machine Learning corresponding courseware