搜索资源列表
libsvm-2.88.rar
- LIBSVM 是台湾大学林智仁 (Chih-Jen Lin) 博士等开发设计的一个操作简单、易于使用、快速有效的通用 SVM 软件包，可以解决分类问题（包括 C- SVC 、n - SVC ）、回归问题（包括 e - SVR 、 n - SVR ）以及分布估计（ one-class-SVM ）等问题，提供了线性、多项式、径向基和 S 形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。,LIBSVM is林智仁Taiwan Univ
libsvm-2.89.zip
- LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。 2.89版本是09年刚更新的一个版本。,LIBSVM
lltsa
- 流形学习算法LTSA的线性化方法，在基因分类聚类中得到了应用，可以将新样本线性地投射到低维空间。-LTSA manifold learning algorithm of the linearization method, clustering in gene classification has been applied to new samples can be projected onto the linear and low-dimensional space.
shujutongji
- 第17章： 数据统计和分析 MultiLineReg 用线性回归法估计一个因变量与多个自变量之间的线性关系 PolyReg 用多项式回归法估计一个因变量与一个自变量之间的多项式关系 CompPoly2Reg 用二次完全式回归法估计一个因变量与两个自变量之间的关系 CollectAnaly 用最短距离算法的系统聚类对样本进行聚类 DistgshAnalysis 用Fisher两类判别法对样本进行分类 MainAnalysis 对样本进行主成分分析 -data
Matlab
- Matlab数据统计和分析的程序，包含下面所列的多种算法的 MultiLineReg 用线性回归法估计一个因变量与多个自变量之间的线性关系 PolyReg 用多项式回归法估计一个因变量与一个自变量之间的多项式关系 CompPoly2Reg 用二次完全式回归法估计一个因变量与两个自变量之间的关系 CollectAnaly 用最短距离算法的系统聚类对样本进行聚类 DistgshAnalysis 用Fisher两类判别法对样本进行分类 MainAnalysis 对样本进行主成分
svm
- SVM方法的基本思想是：定义最优线性超平面，并把寻找最优线性超平面的算法归结为求解一个凸规划问题。进而基于Mercer核展开定理，通过非线性映射φ，把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），使在特征空间中可以应用线性学习机的方法解决样本空间中的高度非线性分类和回归等问题。svm 程序，即支持向量机的代码。-The basic idea of SVM method are: the definition of the optimal linear hyperplane,
zzz099SVM
- 为了对目标进行快速的检测，提出了一种新的基于支持向量机的级联式分类器的构造方法。该级联分类器由若干个线性SVM弱分类器构成，结构简单，分类时间极快。针对级联结构中的每个节点的训练给出了一个新的SVM框架下的二次规划模型，这使得每个节点都有较高的正样本检测率和适当的负样本错检率。-In order to quickly detect the target, a new cascade based on support vector machine classifier constructor. T
question2
- fisher线性分类器训练计算样本错误率，画投影直线-fisher linear classifier training sample error rate calculation, draw a straight line projection
zuoye2
- 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。-At the same time the height and weight data as features, Fisher with linear identifying method for classifier, will this classifier appl
zuoye3
- 用FAMALE.TXT和MALE.TXT的数据作为本次作业使用的样本集，利用K-L变换对该样本集进行变换，与过去用Fisher线性判别方法或其它方法得到的分类面进行比较.-Use FAMALE. TXT and MALE. TXT data as the assignment is to use the data sets, by K-L of the sample set of change, and the past with Fisher transformation linear dis
svm
- svm分类器，有几类样本点，利用线性SVM分类器求出其分界面-svm classifier, there are several types of sample points, using a linear SVM classifier obtained the sub-interface
fisher
- 基于fisher准则的线性分类器，每类7个样本-Criteria based on fisher linear classifier, each class of seven samples
Fisher-linear-discriminant-method
- 此为模式识别中的Fisher线性判别方法求分类器。进行了男、女错误率和总错误率的统计。 全部程序流程如下： 1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本均值m1和内离散度S1； 2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本均值m2和内离散度S2； 3、求最佳变换向量和阀值点； 4、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M； 5、把最佳变换向量和阀值点、x代入判别方程g（x）； 6、对本判别的错误率进行
T-HOMEWORK
- 用Parzen窗法或者kn近邻法估计概率密度函数，得出贝叶斯分类器，对测试样本进行测试，比较与参数估计基础上得到的分类器和分类性能的差别.2． 同时采用身高和体重数据作为特征，用Fisher线性判别方法求分类器，将该分类器应用到训练和测试样本，考察训练和测试错误情况。将训练样本和求得的决策边界画到图上，同时把以往用Bayes方法求得的分类器也画到图上，比较结果的异同。3．选择上述或以前实验的任意一种方法，用留一法在训练集上估计错误率，与在测试集上得到的错误率进行比较。-Use Parzen Wi
LDA算法，fisher判别
- LDA线性判别，用fisher判别法来实现，依据学习样本进行分类，然后再根据测试样本来计算判别的正确与否
贝叶斯决策实现线性样本分类
- MATLAB语言编程，用贝叶斯决策算法实现线性样本分类，输入待分类样本，输出样本分类决策面。(MATLAB programming language, using Bayesian decision algorithm to achieve linear sample classification, input samples to be classified, output samples, classification, decision surface.)
work
- 1) 以身高为例，画出男女生身高的直方图并做对比； 2) 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3) 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4) 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1) taking height as an example, draw the histogram of male and f
线性分类器
- 该程序能够实现对于一个样本完成感知机，最小二乘法，凸优化方法解决SVM和matlab自带函数解决SVM的四种程序，并且通过修改部分参数可以完成不同效果。(The program can be achieved for a complete sample perceptron, least squares method, convex optimization method to solve SVM and MATLAB with four program function to solve th
ganzhiqi
- 用感知器算法分类一个随机生成的2维数据样本集，并画出线性判决函数(Using the perceptron to classify a simple randomly generated 2 dimensional data sample set)
PLS模型样本分类matlab代码
- 偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很 多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏最小二乘回归 建立的模型具有传统的经典回归分析等方法所没有的优点。 偏最小二乘回归分析在建模过程中集中了主成分分析，典型相关分析和线性回归分 析方法的特点，因此在分析结果中，除了可以提供一个更为合理的回归模型外，还可以 同时完成一些类似于主成分分析和典型相关分析的研究内容，提供更丰富、深入的一些 信息。