搜索资源列表
PE5SETUP5
- ProEssentials v5是应用于windows 服务器端和客户端开发的一系列图表组件，它是对绘制图表以及图表分析功能所需要的数据和方法的简单封装。可以提供Winforms、Webforms、ActiveX、VCL和DLL五种界面。它的图表类型很多，包括：一般图表、科学图表、3维图表、极坐标图表、饼状图表，几乎覆盖了所有常见的图表类型。我们可以很方便的调用ProEssentials v5的函数库，添加绘制图表的功能，并可以对图表进行分析，如：回归，求最大值，拟合曲线等。我们还可以很方便的将
gridregression
- SVM回归中用的gridregression.py函数，用它来进行参数寻优，做了一些改动适用于windows。-SVM regression using the gridregression.py function, use it to carry out parameter optimization, has done some changes to apply to windows.
sssm1
- 利用构造函数法和线性回归算求一维微观形貌的分形维数-solve fractional demention of 1D microfigure by Constructors and linear linear regression algorithm
glmfit_fda
- 拟合正则广义线性模型，编制glmfit函数，解决logistic回归模型-Fitting regular generalized linear models, the preparation glmfit function to solve the logistic regression model
linear_regression
- 自适应的病态非病态线性回归方程求取函数，输入数据矩阵X和显著性水平alph-Adaptive Morbid Morbid Linear regression equation strike function, the input data matrix X and the significant level of alph
Correl080
- 本软件适合工程技术人员及学生进行数据分析。适用范围广、输入界面简单方便、功能模块实用强大、操作简便易懂。 本软件可进行二元线性与非线性相关分析；多元线性与非线性相关分析；多元线性的相关矩阵分析；数理统计与误差分析；计算行列式的值、求解多元方程组；学习与研究函数的图形及特性；计算常用函数等等。例如：可对化验分析成果进行回归及误差分析、对地质物化探数据进行相关性分析、对测量数据进行误差分析、对社会调查数据进行统计分析等等。 -The software for engineering an
kernels
- 根据模式识别理论，低维空间线性不可分的模式通过非线性映射到高维特征空间则可能实现线性可分，但是如果直接采用这种技术在高维空间进行分类或回归，则存在确定非线性映射函数的形式和参数、特征空间维数等问题，而最大的障碍则是在高维特征空间运算时存在的“维数灾难”。采用核函数技术可以有效地解决这样问题。 -According to the pattern recognition theory, a low dimensional space linearly inseparable pattern th
svm
- SVM平台，操作简单、易于使用的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等问题，提供了线性、多项式、径向基和S 形函数四种常用的核函数供选择。-SVM platform is a simple, easy to use, versatile SVM software package can solve classification problems (including
RBFregression
- 径向基神经网络来实现非线性的函数回归，详细讲解可看<<MATLAB神经网络30个案例分析>>这本书-RBF neural networks to achieve nonlinear regression function, explain in detail to see MATLAB neural network 30 case studies in this book
support-vector-machine-
- 用支持向量机svm实现分类与函数回归，其中包括svc程序，svc输出程序以及svr绘图程序-Classification and function regression using support vector machine svm, including svc program, svc output of the program as well as a drawing program svr
(SVM)-regression-algorithm
- 对比这么复杂的推导过程，SVM的思想确实那么简单。它不再像logistic回归一样企图去拟合样本点（中间加了一层sigmoid函数变换），而是就在样本中去找分隔线，为了评判哪条分界线更好，引入了几何间隔最大化的目标。-The derivation process of the contrast is so complex, the idea of SVM is so simple. It is no longer tried to like logistic regression fitting
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
alglib-2.6.0.delphi
- ALGLIB是一个跨平台的数值分析和数据处理函数库。它支持多种编程语言，如C++，C#，Pascal，VBA等，可以在多个操作系统平台上运行，如：Windows，Linux和Solaris。ALGLIB有以下特点： （1）线性代数（包括矩阵分析）； （2）方程求解（线性和非线性）； （3）插值； （4）最优化； （5）快速傅里叶变换； （6）数值积分； （7）线性和非线性最小二乘拟合； （8）常微分方程求解； （9）特殊函数； （10）统计（描
Code_EnPro
- 基于全映射方法的半监督图像分类算法。基于局部一致性和外部非一致性假设，首先从未标注数据自动产生多种模型。设计方法利用可利用数据对模型进行采样，利用逻辑回归判决学习得到每个模型的映射函数。 基于全局的思想，这里利用联合映射函数值来代表图像。 -Ensemble Projection for Semi-supervised Image Classification
zhichixiangliangjifenleihanshu
- 本算法为SVM分类函数，可以用来进行模式识别、分类、以及回归分析。-The algorithm for the SVM classification function can be used for pattern recognition, classification, and regression analysis.
FaceX-master
- 非常有效、高准确率的人脸对齐方法，“显式形状回归”。通过训练数据最小化对齐错误函数，学习一个向量回归函数直接推断整个面部形状（一个特征点集合）-Very efficient and highly accurate face alignment method, explicit shape regression . Through the training data minimization alignment error function, learning a vector regressi
chapter03
- 适合初学者了解似然函数，高斯回归函数，方便快捷了解(Suitable for beginners to understand the likelihood function, Gauss regression function)
Toimsr
- 用支持向量机(SVM)实现分类与函数回归的源代码,内有实例,依湖芦画瓢即可,()
1324802
- 用支持向量机(SVM)实现分类与函数回归的源代码,内有实例,依湖芦画瓢即可,()