搜索资源列表
svm_math
- 专业介绍svm算法的书籍，适合有高等数学，线性代数，矩阵论，和数里统计基础的读者，他是一本全面介绍svm的书籍，从数学基础到应用，是svm学习者的一本好书。
stprtool15aug08
- 捷克理工大学Hlavac教授和Franc博士提供的统计模式识别Matlab工具箱的最新版本V2.09，在原有版本基础上进行了一些修改和完善。它包括现有模式识别的大部分方法，比如SVM，PCA，LDA等。我采用其中的SVM方法进行了人体下肢假肢SEMG信号的分类，效果不错。希望能对大家有帮助。-Statistical Pattern Recognition Toolbox for Matlab (C) 1999-2008, Version 2.09. It includs a number of
featureextraction
- 图象 处 理和模式识别中经常根据物体的形状来识别物 体或对物体进行分类。形状特征可以分为区域特征和边界特 征两大类，矩不变量是最基本的形状特征。Hu提出的矩不变 量是图象区域内部细节的描述，是一种区域特征。它是建立 在对一个区域内部灰度值的统计分析基础上的，需要目标区 域的所有象素参与运算-Image processing and pattern recognition are often based on the shape of objects to identify o
e1071_1.5-19.tar
- 支持向量机（Support Vector Machine, SVM）是建立在统计学习理论的基础上较新的分类方法，有相对好的泛化能力，是目前最热门的分类方法之一。R的"e1071" 包提供了做SVM的函数-Support Vector Machine e1071
staticlearningwithekernelmethods
- 统计学习理论是建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提供了 一个统一的框架。它能将很多现有方法纳入其中，有望帮助解决许多原来难以解决的问题（比 如神经网络结构及参数选择问题）；同时。在这一理论基础上发展了一种新的通用学习方法： 支持向量机（Support Vector Machine，SVM）。它己表现出很多优秀的性能，并已经成为当 今机器学习领域的研究热点。-Statistical learning theory is based on a more soli
yujiangshe
- 北大于江生教授关于机器学习入门介绍的三个PPT（pdf格式）：机器学习的基础：概率理论体系、机器学习概述、统计学习理论概述。共42页。-Peking University Professor Yu Jiangsheng on Machine Learning 3 PPT (pdf format): Machine Learning Foundations: probability theory, systems, machine learning overview, an overview of
DMOEADD_code2009
- 动力学演化算法解决多目标优化问题，采用了与模拟退火算法相结合的准则，理论基础来源于统计力学中的自由能极小化定律。 -Evolutionary Algorithms for Solving Multi-Objective Problems
The_Elements_of_Statistical_Learning_2nd_3print.ra
- 《统计学习基础：数据挖掘、推理与预测》的全彩英文版，人工智能机器学习领域的必读书目，此版本为最新的第三次排版，很有价值-<The elements of statistical learning:Data mining,inference,and prediction>,color edition,the must-own book in the area of AI/Machine Learning,and it s the latest edition of publishmen
date_F_A2103879
- 本书介绍了几种比较流行的现代综合评价方法的理论和应用。 主要内容包括： 层次分析法、模糊综合评判法、数据包络分析法、人工神经网络评价法、灰色综合评价法及其在经济管理中的典型应用案例。 其中，关于人工神经网络评价法和灰色综合评价法的内容，是第一次比较系统地出现在此类著作之中。 最后一章，对几种综合评价方法的结合与集成做了讨论。本书避开了某些深奥的数学背景，简明、系统地分析了几种方法的应用理论基础，拟在基本理论与实际应用之间建立起“桥梁” 。 书中汇集了大量的典型应用案例，供广大读者借鉴和参考。
ARIMA-model-algorithm
- 。统计预测方法建立在严密 的数学理论基础之上，具有结构简单、预测速度快、方便操作等特点，相对于其 他时序分析预测方法(如:回归分析、神经网络等)更适合实际应用 -. Statistical prediction method is based on a rigorous mathematical basis of the theory with a simple structure, the forecast fast, convenient operation, relative
ARIMA-model-algorithm
- 在目前统计预测中，存在着非平稳序列分析效果差、多步预测误差较大、缺 乏系统的软件实现等问题。本文针对该类问题进行研究，提出了NARIMA方法， 该方法以ARIMA模型为基础，有效结合了游程平稳检验方法、差分平稳处理方法 、线性最小方差预测算法等，解决了传统统计预测方法中存在的上述问题 -In the current statistical forecast, there is a differential effect of non-stationary sequence ana
Statistical-Learning(2-Edition)
- 斯坦福大学统计系的Trevor Hastie等编写的一本统计学习基础，关于数据挖掘，推理，预测的机器学习的书。这是第二版的，与第二版有很多新增的内容，在作者主页上下的，书在网上太贵了，买不起的，可看看电子版-Written by Trevor Hastie, Stanford University Department of Statistics, a statistical study based on data mining, reasoning, machine learning pred
area-load
- 电动汽车是智能电网的一个重要组成部分，能很好的解决能源紧缺，环境污染等问题。无线充电技术更有利于电动汽车与电网进行互动，更好的发挥电动汽车削峰填谷、消纳可再生能源的功能。本文在研究中国电动汽车发展相关政策的基础上，结合电动汽车无线充电的特点，基于统计数据，利用蒙特卡罗方法抽取私家电动汽车一次出行里程数，根据电池充电特性及车辆行驶习惯获得电动汽车充电的起始荷电状态、充电功率和起始充电时间，建立了一个较为精确的预测无线充电私家电动汽车充电负荷的数学模型，并对2015年和2020年私家电动汽车进行了充
An-Introduction-to-SVM
- 支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，该算法在文本分类、手写识别、图像分类、生物信息学等领域中获得了较好的应用。本书是SVM的权威参考书。-Support Vector Machine (SVM) is a new learning algorithm developed on the basis of statistical learning theory, the algorithm to obtain a better application in the
ANN
- 人工神经网络(ANN)，简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。-Artificial neural network (ANN), referred to as neural network, is a mathematical model of
ML_NN_SC
- 机器学习，神经网络，统计分类基础知识英文教程(Machine learning, Neutral Network, Statistically classification basics)
机器学习pics
- 17张思维导图+1张机器学习图，每张图都很有指导价值(17 thinking map +1 machine learning diagram)