搜索资源列表
-
1下载：
一个由Mike Gashler完成的机器学习方面的includes neural net, naive bayesian classifier, decision tree, KNN, a genetic algorithm, and some manifold learning algorithms. -by Mike Gashler a complete machine learning includes the neur al net, naive bayesian classifier.
-
-
0下载：
基于L-M算法的BP神经网络分类器 对图像分类有较好的效果-LM algorithm based on BP neural network classifier for image classification has a good effect
-
-
0下载：
An effectual genetic coding is designed by constructing fullclassification
rule set. This coding results in full use of all kinds of excellent
traits of genetic algorithm in data classification. The genetic algorithm is paralleled
in process. S
-
-
0下载：
分类是数据挖掘 、机器学习 和模式识别 中一个重要的研究领域。分类的目的是学会一个分类模型 (称作分类器)，该模型能把未知类别的数据项映射到给定类别中。目前发展较成熟的几种分类算法 如决策树、神经网络、贝叶斯方法、遗传算法等。分类具有广泛的应用，例如医学诊断、信用卡系统的信用分级、图像模式识别等。本毕业设计通过使用鸢尾属植物(IRIS)数据集，对当前数据挖掘中具有代表性的优秀分类算法进行分析和比较，总结出了各种算法的特性，为使用者选择算法或研究者改进算法提供了依据。-Classificatio
-
-
0下载：
结合遗传算法和SVM分类器方法对特征基因进行筛选-Combined with genetic algorithm and SVM classifier feature gene screening
-
-
2下载：
1采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。提示：可以用6位的0/1进行编码，适应度函数可以考虑类似 。-1 genetic algorithm for boys and girls in the sample data of height, weight, like math, like literature, like
-
-
0下载：
MATLAB 代码
第1章 BP神经网络的数据分类——语音特征信号分类
第2章 BP神经网络的非线性系统建模——非线性函数拟合
第3章 遗传算法优化BP神经网络——非线性函数拟合
第4章 神经网络遗传算法函数极值寻优——非线性函数极值寻优
第5章 基于BP_Adaboost的强分类器设计——公司财务预警建模
第6章 PID神经元网络解耦控制算法——多变量系统控制
第7章 RBF网络的回归--非线性函数回归的实现
....等58章(MATLAB code
The first
-
-
2下载：
1.采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。要求自行编写代码实现遗传算法。(1. using genetic algorithm based on the sample data of male and female students in height, weight, love mathematics, love li
-
-
2下载：
一个遗传算法优化神经网络的分类器，可用于模式识别。(A genetic algorithm optimizes the classifier of neural network, which can be used for pattern recognition.)
-
-
1下载：
粒子群优化算起源于对鸟群、鱼群以及对某些社会行为的模拟，是一种基于群体智能的进化计算技术。而小生境技术则起源于遗传算法，这种方法能使基于群体的随机优化算法形成物种，从而使相应的优化算法具有发现多个最优解的能力。而多分类器集成技术则是通过多个分类器进行某种组合来决定最终的分类，以取得比单个分类器更好的性能。多分类器集成技术要求基元分类器不仅个体性能要好并且其差异度要大，这与小生境技术形成物种的能力具有很多内在的相似性。目前己经有研究者将小生境技术应用于多分类器集成，但由于传统的小生境技术仍然不完善
-
