搜索资源列表
weka402
- < 数据挖掘--实用机器学习技术及java实现> 一书结合数据挖掘和机器学习的知识,作者陈述了自动挖掘模式的基础理论,并且以java语言实现了具有代表性的各类数据挖掘方法.例如:classifier中的ZeroR.OneR.NaiveBayes.DecisionTable.IBK.C45,还有聚类,数据预处理等.
KNN(CSHARP)
- 基于不断学习的贝叶斯-KNN文本分类算法的设计与实现,给出原始几个类别的文本文件，通过机器学习，获取各个类别文本内容的主要特征，在这个基础上，给出待分类的文件库，系统通过自动分类，对文件库中的文本进行分类，把文件分配到最有可能的类别中。-based learning Bayesian-KNN text classification algorithm design and implementation given several types of the original text file,
ams-svm
- 支持向量机多参数自动选择优化程序！机器学习，数据挖掘工具！matlab版！
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
judge_binaries
- 自动地分类和聚集文档，可以选择作为一个Web服务。这个程序完全是用Java编写的，利用了 Weka机器学习工具包。-automatic classification and gathering documents, we can choose as a Web service. This procedure is completely written in Java, Weka use of machine learning kits.
Matlab遗传算法改进程序
- 遗传算法（Genetic Algorithm）是一类借鉴生物界的进化规律（适者生存，优胜劣汰遗传机制）演化而来的随机化搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。遗传算法的这些性质，已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。它是现代有关智能计算
PNN
- PNN又称为概率神经网络,它最初由数学家Specht于1990年提出,后经Master[1995]等不断发展和完善,已成功地应用于机器学习、人工智能、自动控制等众多领域.概率神经网络比多层前馈网络的数学原理简单,且易于实现-PNN is also known as the probabilistic neural network, which was first introduced by the mathematician Specht in 1990, after the Master [1
SGA
- 基本遗传算法的C语言源程序。（遗传算法的应用范围极其广泛，它可应用于函数优化、组合优化、生产调度问题、自动控制、机器人学、图像处理、人工生命、遗传编程以及机器学习等领域。）-Basic genetic algorithm C language source code. (Genetic algorithm extremely broad range of applications, it can be applied to function optimization, combinatorial
New_Genetic_Algorithm
- 遗传算法及其育种:GA于20世纪60年代由美国Michigan大学J.H.Holland教授[1]首先提出。它可广泛应用于人工智能、机器学习、函数的优化、自动控制等领域。GA的突出特点是将问题的解空间通过编码转换为GA的搜索空间，把问题的解转换为生物的个体，并借助生物的遗传和进化理论，对多个个体同时进行选择、交叉和变异操作。这样，可以较快地搜索到最优解。但是，遗传算法易陷入局部最优。搜索效率还不是很高。因此，为了克服这些缺点缺点，本文提出了育种算法，可以较好地解决遗传算法的问题。-Genetic
BP_Network
- 机器学习中的单层感知器学习算法，可自动实现两个向量的逻辑与运算。-Machine learning in single-layer perceptron learning algorithm, can be self-fulfilling logic of the two vectors and computing.
genetic
- 目前公认最好的神经网络工具箱，学习性能非常好，是机器学习及人工智能，自动控制，拟合，回归预测的好工具-Currently accepted best neural network toolbox, learning performance was very good machine learning and artificial intelligence, automatic control, fit, return a good tool for forecasting
source
- ID3算法实现机器学习和分类，根据训练结果，自动生成可以运行的C++语言代码。-ID3 machine learning algorithm and classification, according to the training results, it can run automatically generated C++ language code.
KNN0.0_0.0
- 这是用java实现的KNN算法分类器 实现了机器的自动学习与文本自动分类 仅供学习使用-This is a java implementation of the KNN algorithm with classifier achieved the automatic machine learning and text categorization learning to use only
adaptive-genetic-algorithm
- 自适应GA SVM 参数选择算法研究Param eter selection algorithm for support vector machines based on adaptive genetic algorithm 支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但 是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果, 而且采用人工的方法选择 SVM 参数比较浪费
DesicionTree
- 机器学习中利用信息熵进行决策树的自动学习-Disicion Tree of Machine Learining
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。
机器学习实战
- 机器学习，人工智能，是一个学习人工智能的好学习资料。建议下载(Machine learning, artificial intelligence, is a good learning material for learning artificial intelligence. Suggest Download)
栈式自编码器相关程序
- 使用栈式自编码器实现光学图像的自动识别，程序完整，程序中已经包括训练和测试使用的样本，程序运行结果良好，适合进行机器学习的同行进行学习和研究。(Use the stack automatic recognition, optical image encoder to achieve self program integrity, training and testing samples have been used including program, program operation res
multiple data
- 可以自动扩充已有的VOC数据集，改变主程序中相应变量数值，得到水平翻转、竖直翻转的xml数据集。(The existing VOC data set can be automatically expanded)
Machine learning
- 提供监控场景下多张带有标注信息的行人图像，可定位（头部、上身、下身、脚、帽子、包）的基础上研究行人精细化识别算法，自动识别出行人图像中行人的属性特征。(It provides a number of pedestrian images with tagged information under the monitoring scene, and can study the pedestrian refinement recognition algorithm based on the locat