搜索资源列表
SLLE
- 引入数据类别信息的有监督局部线性嵌入算法，可用于数据分类-Supervised Locally Linear Embedding
jqagent
- 多Agent系统的理论与技术，为分布式开放系统的分析、设计和实现提供了一条崭新的途径。然而随着相关领域高新技术的迅猛发展，多Agent系统的运行环境日益趋于大型、开放、动态和不确定，迫切需要采用各种智能技术来构建具有自学习能力的Agent，为多Agent系统引入学习机制使其更好地适应复杂环境，从而导致了多Agent系统学习这一新兴研究领域的产生和迅速发展。多Agent系统学习包括采用机器学习等方法从积累的信息或数据中学习用于支持决策的知识，以及为建立多Agent协作、协调和竞争等机制而进行的对
K-meansNB
- ：将K—means算法引入到朴素贝叶斯分类研究中，提出一种基于K—means的朴素贝叶斯分类算法。首先用K— me．arks算法对原始数据集中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与 个簇重心之间的相似度，把记 录赋给距离最近的一个簇，并用该簇相应的属性均值来填充记录的缺失值，然后用朴素贝叶斯分类算法对处理后的数据 集进行分类。实验结果表明，与朴素贝叶斯相比，基于K—means思想的朴素贝叶斯算法具有较高的分类准确率。-: K-means algorithm will
bp_v1_2
- -----引入动量的算法 建立一个3层（含输入层）的BP神经网络，并对其进行训练 输入层不进行数据处理，隐含层激活函数为sigmod函数，输出层为线性函数 输入输出数据归一化到[-1,1]，数据在矩阵中按行向量表示 即x=[x11,x12 x21,x22 ... xp1,xp2] y=[y1 y2 ... yp] p为样本数 -The introduction of the algorithm ----- momentum to build a three-layer (
UnknownEnvironmentBasedonFuzzyNeural
- ：为提高移动机器人在未知环境下避障行为的成功率，通过对障碍物信息的输人，从控制输出数据中找出避 障行为模式，生成相应的模糊逻辑控制规则，并把模糊控制算法引入到神经网络中，使得模糊控制器规则的在线精 度和神经网络的学习速度均有较大的提高，使移动机器人具有较为迅速的反应能力，实现机器人连续、快速地避障 并最终到达目标．系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性．-To enable the mobile robot in unknown environment obstac
Two-level-Particle-Filter-Based-Lane-Detection-for
- 提出了基于2层粒子滤波数据融合的道路检测框架.通过道路检测算法的2个主要模块:特征 提取和道路参数估计,同时引入粒子滤波算法,并以支持向量机(SVM)识别道路模型、初始化粒子滤波器提高算法的环境适应性,以期找到基于机器视觉的道路检测算法在鲁棒性和实时性之间更好的平衡点. -Since the normal monocular-vision based lane detection algorithms for outdoor applications sel- dom conside
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
KP
- 引入能够处理混合型数据的K-prototypes聚类算法，在此基础上构造了一种基于粒子群优化算法和K-prototypes方法的混合聚类算法-this paper employs the K-prototypes clustering algorithm to deal with mixed valued data, and designs a hybrid clustering algorithm based on particle swarm optimization algorithm a
test
- 引入能直接处理连续型数据的邻域粗糙集约简模型，给出一种基于邻域粗糙集模型和粒子群优化的特征选择算法。仿真实验结果表明该算法可以选择较少的特征，改善分类的能力。-employs the neighborhood rough set reduction model which can process the numerical features directly without discretization. Then the particle fitness function in particl
QuickSortOrderReduct
- 引入能直接处理连续型数据的邻域粗糙集约简模型，给出一种基于邻域粗糙集模型和粒子群优化的特征选择算法-Introduce neighborhood rough set reduction model can deal directly with continuous data, given the feature selection algorithm based on neighborhood rough set model and particle swarm optimization
Data-analysis-of-the-application
- 把时间序列分析的方法和理论引入业务监控中。本文的创新点 在于利用AR州人模型建模前，通过孤立点和变点检测对数据做预处理， 先用控制图法去除孤立点，然后用变点检测的方法定位变点，最后对变 点前后的时间序列分段预测，从而提高了预测的准确度和可信度 -Time series analysis methods and theoretical introduction of the service monitoring. Innovation of this paper is to use
Weighted-ELM
- 是一种学习机方法，适合做分类和回归，并且可以给数据加权，也就是可以引入概念漂移的概念，适合做预测-Classification and Regression
Clustering-Algorithms
- 在众多聚类算法中,基于划分的模糊聚类算法是模式识别中最常用的算法类型之一.至今,文献中仍不断 有关于基于划分的模糊聚类算法的研究成果出现.为了能更为系统和深入地了解这些聚类算法及其性质,本文从改 变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面,对在 C-均值算法的 基础上得到的基于划分的模糊聚类算法作了综述和评价,对各典型算法的优缺点进行了实验比较分析.指出标准 FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性,而其他类似的算法对这种
baike
- 百度百科数据的抓取以及索引入ElasticSearch-Baidu Encyclopedia crawl and index data into ElasticSearch
bpback
- 神经网络比较基础的算法，实现梯度下降和反向传播，以及L2规范化、交叉熵代价函数的引入，卷积神经网络 该算法用于mnist数据测试，有详细中文注释-Neural network based on the comparison algorithm, gradient descent and back-propagation, and L2 standardization introduced cross entropy cost function, convolution neural netw
darknet
- 神经网络引入后，检测框架变得更快更准确。然而，大多数检测方法受限于少量物体。检测和训练数据上联合训练物体检测器，用有标签的检测图像来学习精确定位，同时用分类图像来增加词汇和鲁棒性。原YOLO系统上生成YOLOv2检测器；在ImageNet中超过9000类的数据和COCO的检测数据上，合并数据集和联合训练YOLO9-After the neural network is introduced, it is becoming faster and more accurate detection fr