搜索资源列表
复件 classify
- 对心电数据进行处理，根据多标准的阈值法对心率失常进行判断和分类-right ECG data processing, multi-standard under the threshold value method to judge abnormal heart rate and classification
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
TSP
- 这个里面存储的是可以被引用的TSP问题的标准数据可以更好的让你做好的数据相比较,继而明白你的实验是否具有先进型
ID3_Impl ID3算法实现
- ID3算法实现，自己编写的，可以用标准数据集测试-ID3 algorithm, I have written, you can use the standard set of test data
DM4
- 执行流程： 1. 用户输入参数：K的选择，训练数据，测试数据的路径； 2. 读取训练数据集和测试数据集文件，用ArffFileReader类读取并组织起InstanceSet数据结构； 3. 利用上面的相似度量标准，对每一个测试集中的Instance，计算与其最相似的K个训练集中的Instance，通过投票进行分类，将分类结果存储经Instance的成员变量targetGuess中； 4. 对分类结果进行度量，包括分类正确率，各种类别实例的Precision，Recall；Con
stp
- 生成树协议的国际标准是IEEE802.1d。运行生成树算法的网桥/交换机在规定的间隔 （默认2秒）内通过网桥协议数据单元（BPDU）的组播帧与其他交换机交换配置信息 -Spanning Tree Protocol (STP) is a Layer 2 protocol that runs on bridges and switches. The specification for STP is IEEE 802.1D. The main purpose of STP is to ensure t
edamcp
- 用遗传算法写的检测点集中是否存在最大团的算法，测试数据为标准库，可以检测到80个点-Detection of the genetic algorithm point of writing the existence of the largest groups focused on algorithms, test data for the standard library, can detect 80 point
KMEANS
- k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类
Mdvsp_4dep_500trips
- 这是关于多车辆路径问题的测试数据，这是标准库里面的数据，用来测试您提出的算法的好坏。-This is more than about the vehicle routing problem of the test data, this is the standard library data to test you the stand or fall of the proposed algorithm
Machines-Based-on-DFS
- 深度优先搜索的支持向量机参数优化算法 Study on Parameters Optimization of Support Vector Machines Based on DFS :研究支持向量机参数优化问题，由于算法要求准确选择 SVM 参数，支持向量机在处理大样本数据集时和最优模型参 数确定时，消耗的时间长、占有内存大，易获得局部最优解的难题。为了解决支持向量机存在的不足，采用深度优先搜索算 法对其参数优化机机制进行改进。将向量机参数优化视成一个组合优化问题，将支持向
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
BP2
- 换档品质评价方法的研究是应现代车辆自动变速技术发展需要而提出的前沿研究课 题,其评价过程可视为一个非线性动态系统。BP 神经网络的非线性系统辨识 ,能够逼近任意 一个非线性函数。通过确定换档品质评定指标 ,利用BP网络训练获得的数据样本 ,从而建立 主观、 客观评价标准之间的联系 利用 Mat lab/ Simulink 完成换档品质评价方法的客观描述并 进行仿真。通过与实验结果对比 ,证明这种方法能够有效真实地评价换档品质并与传统主观 评价方法具有很好的一致性。-Shift
K_means
- k-means算法是根据聚类中的均值进行聚类划分的聚类算法。 输入：聚类个数k，以及包含n个数据对象的数据。 输出：满足方差最小标准的k个聚类。
20news-18828.tar
- 20-GROUP-数据集合。用于大规模算法实验输入数据。与其他数据集合对比的标准参考数据集，不可或缺的成分-20-GROUP-data collection. Experimental input data for large-scale algorithm. Standard reference data set compared with other data collection, an essential ingredient
PSO2
- 标准粒子群优化算法优化（PSO），该代码可以解决高纬空间，包括数据的预处理，及边界检查。可以应用到数据聚类，分类等问题。-Standard particle swarm optimization algorithm optimization (PSO), the code can solve the high-latitude space, including pre-processing of the data, and bounds checking. Can be applied to d
VRP
- 蚁群算法，2-opt，解决车辆路径问题（vrp）的matlab代码，修正了原始代码忽略初始节点下一节点cost的问题，但是对某些测试数据集存在车辆数大于或小于的标准问题。-Ant colony algorithm ,2-opt, vehicle routing problem (vrp) matlab code, amended the original code ignores the initial node next node cost problems, but for some tes
Kmeans_VS_EM_OnLaborDataSet
- 使用著名的数据挖掘和机器学习软件WEKA，在标准数据集labor上，比较Kmeans与EM算法。-Use well-known data mining and machine learning software WEKA, on standard data sets labor, relatively Kmeans with EM algorithm.
power-flow-analysis
- 基于matlab平台编写程序，分析IEEE118与300节点标准数据，并给出最优潮流。-Matlab platform based on the preparation of the program, with 300 nodes analysis IEEE118 standard data, and gives optimal power flow.
ID3决策树算法实验
- 决策树ID3算法实验_数据集car_databases。用python编写的决策树ID3算法，运用了Car-Evaluation的例子。BUG较少，综合了网上的优秀代码，并进一步形成自己的代码。代码基本有注释，风格良好，能够很快看懂。内含有比较规范的报告文档，包含所有流程图，说明图，以及文档风格绝对不错，无需更改，建议下载！ 该算法所测试的数据集如下（已经打包在内，并已经生成xls格式，方便直接使用）： 已知：UCI标准数据集Car-Evaluation，定义了汽车性价比的4 个
python基础数据分析实例
- 假设要分析的数据包括属性age。数据元组的年龄值为（按递增顺序）13、15、16、19、20、20、21、22、22、25、25、25、25、25、30、33、35、35、35、36、40、45、46、52、70。另外，假设一家医院用上述年龄属性对所选样本受试者的年龄和体脂数据进行测试，得到结果，并执行下列操作： 1、将上述数据保存在逗号分隔值文件中。 2、将逗号分隔值文件中的数据读入R中的变量。 3、年龄和脂肪百分比的平均、中等和标准差是多少？ 4、这个时代的模式是什么？评论数据的形式（即双峰