搜索资源列表
lubanglssvm
- 基于鲁棒学习的最小二乘支持向量机及其应用 鉴于最小二乘支持向量机比标准支持向量机具有更高的计算效率和拟合精度, 但缺少标准支持向量机的鲁 棒性, 即当采样数据存在奇异点或者误差变量的高斯分布假设不成立时, 会导致不稳健的估计结果, 提出了一种鲁棒 最小二乘支持向量机方法. 该方法在最小二乘支持向量机基础上, 通过引入鲁棒学习方法来获得鲁棒估计. 仿真分析 及某湿法冶金厂的应用实例验证了该方法的可行性和有效性.- Least squares support vector mac
Copy-Detection
- 使用下采样帧构成的列向量的PCA系数作为每帧特征（原则上，也可以使用其他类型的关键帧特征），多帧特征构成特征矢量，以高斯概率模型的后验概率衡量相似性、并建立k维树结构的索引进行搜索，文中对噪声、模糊、再压缩、加Logo，及其这些变换的两两组合进行了实验（丢帧很少时也可以），速度很快，适合于大规模因特网视频的搜索。-Use sampling frame column vector of the PCA coefficients as each frame features (in principl
现行卷积运算
- DFT 是连续傅里叶变换在时域和频域上都离散的形式，将时域信号的采样变换为在离散时间傅里叶变换频域的采样。在形式上，变换两端（时域和频域上）的序列是有限长的。
yzpjqq
- 本程序为构造小波信号,主要采用上采样的算法实现,,不错的-This procedure for constructing the wavelet signal, mainly adopts the sampling algorithm, and good
机器学习之随机森林
- Bagging是并行式集成学习方法最著名的代表，Bagging通常对分类任务使用简单投票法，随机森林（RF）是Bagging的一个扩展变体，RF在以决策树为基学习器构建Bagging 集成的基础上，进一步在决策树的训练过程中引入了随机属性选择。在RF中，集成模型的每棵树构建时所需的样本都是由训练集经过有放回的随机抽样得来（即自助采样法bootstrap sample）。