搜索资源列表
weka-3-4-8a
- weka软件是一个基于机器学习的小型的数据挖掘工具，此软件在windows下工作-weka is a software-based machine learning the small data mining tools, This software work in windows
Autologic
- 基于机器学习的自动逻辑推理机。本程序用归结反演策略实现了命题逻辑系统的自动推理。把要解决的问题作为一个要证明的命题，其目标公式被否定并化成子句形，然后添加到命题公式集中去,把消解反演系统应用于联合集，并推导出一个空子句(NIL)，产生一个矛盾。-based on the automatic machine learning logical reasoning machine. The procedures used attributed inversion strategy to achieve
gentleboost
- Gentleboost，这是一种基于信息融合的机器学习源代码，成功应用于多个工程信息领域。-Gentleboost, which is a fusion-based machine learning source code, successfully applied in various projects in the field of information.
INFORMATION_THEORETIC_LEARNING
- 模式识别方面的文章，基于瑞利熵的机器学习方法，以及应用举例，建议做MMI的同志学习。-Pattern Recognition in the article, based on Rayleigh entropy machine learning methods, and application examples, it is recommended to do MMI comrades to learn.
TextClassificationBasedonMachineLearningResearchPr
- 基于机器学习的文本分类技术研究进展基于机器学习的文本分类技术研究进展-Text Classification Based on Machine Learning Research Progress of text classification based on machine learning technology research
Applied_Data_Mining
- 《实用数据挖掘》 本书对面向应用的数据挖掘方法进行了清晰的阐述，包括经典的多元统计方法、贝叶斯多元统计方法、基于机器学习的数据挖掘方法和基于计算的数据挖掘方法等。介绍了数据挖掘领域中许多最新的研究成果，如关联规则、序列规则、图示马尔可夫模型、基于存储的推理、信用风险和Web挖掘等。并详细介绍了选自实际工业项目的6个应用实例，强调了数据挖掘方法的实用性。 本书主要面向计算机科学、信息管理、应用统计学和经济学等专业的高年级本科生和研究生。对实际从事海量数据分析和处理的技术人员也有很好的指导作用和
peoplecount
- 这三篇文章是基于机器学习的人数统计的算法研究的，适合参考阅读。-These three articles are based on the number of statistical machine learning algorithms, and for reference reading.
new
- 机器学习算法决策树是基于机器学习的数据挖掘技术,它形式简单,分类速度快,无需先验知识,对样本分布也无要求且由决策树表达的规则直观清晰。-machine learning decision Tree
Automatic-People-Counting-
- 提出了智能视频监控中基于机器学习的自动人数统计系统。。该系统通过机器学习的方法对视频序列中人的头肩部位进行准确地检测。克服了传统检测方法如连通域分析和简单模板匹配的不足。-Automatic people counting system based on machine learning in intelligent video surveillance. . The system through machine learning methods to accurately detect the
网学学习书籍大全
- 在基于内容图像检索中，图像的底层视觉特征和高层语义概念之间存在着较大的 语义间隔。使用机器学习方法学习图像特征，自动建立图像类的模型成为一种有效的方法。 本文提出了一种用支持向量机（SVM）实现自然图像自动语义归类的方法，基于块划分聚 类得到特征向量作为SVM 训练样本，实现语义分类器。由于参与聚类的是某类图像所有块 的特征，提取的特征更能反映某一类图像特征。实验证明这种方法是有效的。
ELM
- 基于机器学习方法的脑电信号自动分类研究 基于机器学习方法的脑电信号自动分类研究-Automatic classification based on machine learning method of eeg signals
机器学习实战及配套代码
- 基于python的机器学习教程，有代码，方便学习(Python based machine learning, there are code to facilitate learning)
ELM分类器
- ELM是基于深度学习的分类器，运算速度快。 在B_data.m里导入待分类矩阵B.mat（1-n列为特征值，n列为标签）；运行B_data.m；再打开fuzzyEn_main.m并运行即可。(ELM is based on depth learning classifier, computing speed. In B_data.m imported matrix to be classified B.mat (1-n as eigenvalues, n as a label); Run B
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
现代机器学习基于深度学习的图像特征提取
- 现代基于深度学习的图像特征提取，比较不错的文档(On the system of an unmanned intelligent vehicle with)
chinese_text_cluster-master
- 基于中文文本的机器学习聚类算法的实现，包括LDA算法等(Chinese Text Clustering)
Machine Learning
- 作者是Prateek Joshi.人工智能专家。本书注重于对基于机器学习中深度学习内容的分析，并附上了许多经典案例，非常值得一读。(The writer is an expert in Prateek Joshi. AI. This book focuses on the analysis of in-depth learning in machine-based learning, and attaches many classic cases, which are worth reading
机器学习实战：基于Scikit-Learn和TensorFlow
- 基于scikit-learn和tensorflow的机器学习实战教程(Machine Learning Practical Course)
机器学习实战书+源代码
- 机器学习横跨计算机科学、工程科学和统计学等多个学科，需要多学科的专业知识。在需要解释并操作数据的领域都或多或少可以运用到机器学习，通过这本书可以系统地学习基于python语言的机器学习的相关知识(Machine Learning in Action written by Peter Harringto. Machine learning covers many subjects, such as computer science, engineering science and statisti
[2]基于机器学习的室内定位算法研究_周杰
- 通过机器学习的方法来进行室内定位的算法研究(The algorithm of indoor location is studied by machine learning)