搜索资源列表
-
2下载：
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
-
-
0下载：
Feature Selection using Matlab.
The DEMO includes 5 feature selection algorithms:
• Sequential Forward Selection (SFS)
• Sequential Floating Forward Selection (SFFS)
• Sequential Backward Selection (SBS)
• Se
-
-
0下载：
classification cross validation
-
-
1下载：
是一種線性方成的分類器。SVM透過統計的方式將雜亂的資料以NN的方式分成兩類，以便處理。LIBLINEAR is a linear classifier for data with millions of instances and features. It supports L2-regularized logistic regression (LR), L2-loss linear SVM, and L1-loss linear SVM. -Main features of LIBLINEA
-
-
0下载：
机器学习大牛Dale Schuurmans写的多类SVMs的快速实现算法，可以自己修改核函数，通过K-fold cross validation训练得到最优参数，分类效果很好-Machine learning large cattle Dale Schuurmans write multi-class SVMs fast algorithm, can modify the kernel function, the optimal parameters through K-fold cross v
-
-
0下载：
对iris数据集分类 采用bp网络 利用交叉验证优化参数-Classification of the iris data set bp network use of cross-validation optimization parameters
-
-
0下载：
利用Python语言来实现KNN分类，并且实现了交叉验证。-Python language to use KNN classification, and to achieve a cross-validation.
-
-
0下载：
LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式
-
-
0下载：
K近邻分类器，实现了对iris数据集的分类，并且使用了交叉验证的方法，来验证求得的最优的K值。-K-nearest neighbor classifier to achieve the classification of iris data set and cross-validation of the method used to verify the optimal value of K obtained.
-
-
0下载：
一个用python编写的带交叉验证的SVM分类程序，前提是必须正确安装里面所用到的Python库-Written in python with a cross-validation of SVM classification procedures, must be properly installed inside the premise is used by the Python library
-
-
0下载：
算法流程：选定训练集和测试集-数据预处理-交叉验证选择最佳参数-分类准确率-预测-利用最佳参数训练SVM-Algorithm flow: selected training set and test set- data preprocessing- cross-validation selection of the best parameters- classification accuracy- prediction- training SVM using the best parameter
-
-
1下载：
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
-
-
1下载：
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)
-
