搜索资源列表
crossvalidate
- 基于决策树的n则交叉验证分类器 （决策树程序直接调用matlab中的） crossvalidate.m N则交叉验证程序，N可选 NDT.mat 含9个国际公认标准数据集，已做过标么处理，可直接使用 专业-n Based on Decision Tree is cross-validation classification (decision tree directly call the Matlab) cr ossvalidate.m N is cross-validation
PRAssign
- 脱机手写体识别Matlab源程序 包括特征提取、bayes分类器、K近邻分类及最近邻分类。 Testscr iptRecognition.m：测试代码 scr iptFeaExtract.m ：特征提取 KNearestEstimate.m ：K近邻估计 NearestEstimate.m : 最近邻估计 BayesTrain.m ：训练bayes分类器 Bayes.m ：测试bayes分类器 CrossValidate.m ：m交叉验证 -Offlin
trnn
- 神经网络训练，应用matlab7NN包，用一个隐藏层使用5折交叉验证。-Training the Neural Network This scr ipt is something that I did for a course at Uni. It uses the Neural Networking package provided with MatLab 7 unfortunately I m not sure if it s available with the earlier ve
crossvalidate
- 十折交叉验证方法的matlab code 再模式识别中是一个非常重要的试验方法-a very important technique crossvalidate in pattern recognazition
bpcross
- 一个matlab写的bp人工神经网络程序，参数优化采用交叉验证办法-Write a matlab bp artificial neural network program, parameter optimization using cross-validation method
Adaptive-Embedding-Dimension
- 嵌入维数自适应最小二乘支持向量机 状态时间序列预测方法 Condition Time Series Prediction Using Least Squares Support Vector Machine with Adaptive Embedding Dimension 针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题, 提出一种基于嵌入维数自适应 最小二乘支持向量机( L SSVM ) 的预测方法。该方法将嵌入维数作为影响状态时间序列预测精度的重要参
BPcrossvalind
- MATLAB的BP交叉验证的程序，自己编写的，可直接运行，供大家参考。-MATLAB-BP cross-validation procedure, I have written can be directly run, for your reference.
FacialExpressionClassification
- 1. 使用matlab自带的人脸识别工具（Viola-Jones算法）找出人脸的位置，并裁剪出人脸区域。 2. 使用Gabor滤波器识别出人脸的局部特征及纹理。 3. 训练一个SVM进行表情分类。 4. 交叉验证得到表情分类正确率为83.3 。 操作说明和系统描述请见ReadMe.-1. Using matlab with face detection tool (Viola-Jones algorithm) to find the location of a human
交叉验证及svr
- 交叉验证及带例子的支持向量机回归代码，修改可用。(Cross validation and support vector machine regression code with examples can be modified.)
KRR
- 核岭回归算法 输入数据集(需要分开存放训练集和测试集) 利用4重交叉验证法调参 最后输出分类准确率(Kernel ridge regression algorithm Input data set (training set and test set need to be stored separately) Parameter adjustment by 4-fold cross validation Final output classification accuracy)