搜索资源列表
InformationGain
- 信息增益C++程序，用于计算变量之间包含分类信息，数值采用连续值
Cii_redundance
- 分类信息指数是基于信噪比的计算变量所含分类信息的算法，对于得到的指数再区冗余。
SAR POLSAR
- 关于SAR和极化SAR信息处理的好程序。Cloude.m——经典的Cloude极化分解方法中H/alpha参数的求解方法；classes.m——Cloude极化分解方法；myCFAR.m——三种SAR图像目标检测的恒虚警处理方法。全局CFAR，局部CFAR，指数CFAR-SAR and POLSAR information processing codes. Cloude.m-- H/alpha parameter ofclassic Cloude polarization decomposit
extract_document
- 这是一个提取 Reuter-21578 的程序, 用做自然语言处理, 文本分类聚类,和信息检索的测试集!-This is an extract of the Reuter-21578 procedure, used for natural language processing, text classification clustering, and information retrieval test collection!
tezhengxuanzhe
- 利用最小互信息实现向量的特征选择，优化分类器的设计，原创-The use of mutual information to achieve the smallest feature selection vectors, optimizing the classifier design, originality
WeightedFeature
- 给出两个加权特征，一个是加权笔画密度特征，另外一个是加权外围特征，用一级汉字实验结果表明，这两个特征具有很强的汉字信息，能很好的为模式分类提供有效的特征- Give out two weighted feature abstraction method One is the weighted stroke density feature , the other is the weighted Periphery feature.The reslut of experiment on the f
beyes
- 详细介绍了贝叶斯公式在自动文本分类领域的使用，并且提到了关于互信息特征提取的方法。以及其分类的例子。-Bayesian formula described in detail in the field of automatic text categorization of the use of, and reference information on each feature extraction method. As well as examples of their classificat
LS-SVMlab1.5
- 支持向量机，用于图像分类分割，目标检测识别,人工智能信息处理-support vector machine has been widely used in classification and object identification.
SVM
- 在matlab的环境中，根据各种算法提取到的信息来输入SVM分类器中进行训练-classify different various sorts of information in svm
01
- 发布供求信息，分类供求信息展示，供求信息查询，供求信息推荐，分类供求信息审核，分类供求信息查询，分类供求信息删除，收费信息发布，收费信息查询收费信息删除-Published supply and demand information, supply and demand classified information display, information inquiries supply and demand, supply and demand information recommendat
jxsvm
- 交互支持向量机学习算法能解决一些监督学习问 题中学习样本较少的问题, 它以支持向量机(SVM ) 方法为 基础, 将设计分类器变成一个交互的过程, 即: 根据对已知 样本进行的SVM 分类器设计, 主动采样选择“有用”的新样 本, 并进行下一步SVM 分类器的设计。与普通SVM 法相 比, 该方法所需的样本量大大降低, 而且可能达到更好的推 广能力。文本信息过滤问题的实例说明了该算法的有效性。-Interactive support vector machine lear
xinxishang
- 计算故障分类的每个属性的信息熵，选取最大的作为根节点-For fault classification information entropy of each attribute, select the largest as the root
LDAMatab
- 用matlab编写的lde算法，实现的数据分析，抽取分类信息和压缩特征空间维数-Lde prepared using matlab algorithm to achieve the data analysis, feature extraction classified information and compressed space dimension
library-management
- a) 创建一个图书管理系统（包括每本书的编号、书名、作者、分类信息），程序采用交互式工作方式，流程如下： b) 书籍管理：完成增加新书籍和删除功能，并在完成操作之后按关键字（编号、书名、作者、种类）进行排序（插入、冒泡、快速、堆排序、归并排序等任选一种）； c) 书籍查找：用二分法实现下述功能 ①按编号查找 ②按书名查找 ③按作者查找 ④按分类查找 -failed to translate
Error-driven-SVM
- 一种改进的SVM增量学习算法——基于错误驱动的增量SVM算法，改进了原有增量算法对非SV集的处理方式，将非SV集对分类信息也考虑在内，大大提高了SVM的识别进度。-An improved SVM incremental learning algorithm for- based on error-driven incremental SVM algorithm, improved the way of the the original Incremental learning algorithm
LDA
- LDA matlab code 线性判别式分析(Linear Discriminant Analysis, LDA)，也叫做Fisher 线性判别 (Fisher Linear Discriminant ,FLD)，是模式识别的经典算法，它是在1996 年由Belhumeur 引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴 别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的 子空间有最大的类间距离和最小的类内距离，即模式在该空间中有
fisher
- 模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。因此，它是一种有效的特征抽取方法。使用这种方法能够使投影后模式样本的类间散布矩阵最大，并且同时类内散布矩阵最小。就是说，它能够保证投影后模式样本在新的空间中有最小的类内距离和最大的类间距离，即模式在该空间中有最
lda-0.2-matlab
- matlab判别分析，基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。-matlab discriminant analysis, the basic idea is to sample the high-dimensional pattern projected onto the optimal discriminant vector space, i
LDA_Linear-Discriminant-Analysis
- 将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性，与PCA区别：LDA考虑分类标签，属于有监督分类。-Linear discriminant analysis (LDA) is a generalization of Fisher s linear discriminant, a method used in statistics, pattern recognit
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system based on SVM)