搜索资源列表
-
1下载：
云分类器，一种基于云模型理论的分类程序。程序中使用云分类器对Iris数据集进行了测试-cloud classifier, a theoretical model based on cloud classification procedure. Procedures used for cloud classification of Iris data set for testing
-
-
0下载：
Matlab source for blind classification of EEG data (BCI competition II data set IV)
-
-
0下载：
线性SVM算法设计分类器，对一组数据进行分类-Linear SVM classifier algorithm on a set of data classification
-
-
0下载：
this a program that combine knn classifier with PCA to classify vehicle data set.-this is a program that combine knn classifier with PCA to classify vehicle data set.
-
-
0下载：
Iris数据集的分类程序，包括线性分类器实验，BP网络分类器实验，以及异或数据的BP网络分类实验，外带试验报告-Iris data set of classification procedures, including linear classification experiment, BP network classifier experiments, and different BP networks or data classification experiment, take-test
-
-
0下载：
用FEMALE.TXT和MALE.TXT的数据作为训练样本集，建立Bayes分类器，用测试样本数据对该分类器进行测试。-With the older MALE. TXT. TXT and data as the training sample set, establish Bayes classifier, test sample data with the classifier for testing.
-
-
0下载：
a good algorithm for classification performance improvement (use PCA and LDA respectively and then implement the resulted data set into your classifier)
-
-
0下载：
训练错误率和交叉验证错误率相等，在样本比较大时，这个结果是可以预期的；训练错误率一般低于测试错误率，但是当样本数据比较少时，实验也出现了意外，样本多的那组测试错误率比样本少的训练错误率还要小；在本实验中，同组数据的交叉验证错误率比独立测试错误率高，这个反常现象是因为样本的原因所致，交叉验证的样本小，而独立测试时所用训练样本数目大，因而出现这种情况。分类线上，fisher准则是一条直线，而贝叶斯分类器实际上是一个类似椭圆的封闭曲线；很明显，贝叶斯分类器比fisher分类器要好。-Training
-
-
1下载：
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
-
-
0下载：
使用K近邻法设计分类器，对一组数据进行分类-K-nearest neighbor algorithm to design the classifier, to classify a set of data
-
-
0下载：
使用Matlab AR模型的LPC函数来做特征值提取。传统方法中LPC一般用来做语音处理。这里每100个数据来做LPC，用获得的N阶参数来作为振动信号的特征值。这样10000个样本可以获得100个特征值样本集。用这些样本集可以做神经网络分类-Matlab AR model LPC function to do eigenvalue extraction. Conventional method LPC generally used for voice processing. Do LPC, wh
-
-
0下载：
design and implement a classifier for two-class classifi cation problems by naive kernel-based nonlinear method (NKNM) and Afast kernel-based nonlinear method (FKNM).(data set : Fsolar)
-
-
0下载：
这个压缩包，是一个手写数字识别库，世界上最权威的，美国邮政系统开发的，可以作为标准的数据集合使用测试分类器-This compression package, is a handwritten numeral recognition , the world' s most authoritative, the U.S. postal system developed can be used as a standard data set using the test classifier
-
-
0下载：
In machine learning, support vector machines (SVMs, also support vector networks[1]) are supervised learning models with associated learning algorithms that analyze data and recognize patterns, used for classification and regression analysis. Given a
-
-
0下载：
对Iris数据集应用线性分类器及BP网络分类器进行分类，matlab代码-Iris data set to apply a linear classifier and BP network classifier classification, matlab codes
-
-
7下载：
生成两个均包含 N=1000个两维矢量的数据集合 和 ，数据集合中的矢量来自于三个类别模型，假设类别的先验概率由矢量
实现
给出
1. 分别画出两个数据集合。
2. 在两个数据集合上分别应用贝叶斯分类器和欧氏距离分类器。
3. 对每个数据集合每种分类器计算分类错误率-Generates two data sets contains N = 1000 and the two-dimensional vector, the vector data set three
-
-
1下载：
带有PCA之后的数据集，并用粒子群（PSO）优化支持向量机（SVM）的分类器进行分类，并给出分类识别率。-After the data set with PCA, and use the particle swarm optimization (PSO) to optimize the support vector machine (SVM) classifier for classification, and classification recognition rate is given.
-
-
6下载：
这是天津大学胡清华老师在粗糙集邻域领域做的最经典的源码，同学们可以在此基础上学习和修改，入口程序已经写好，需要其他方法可以自己添加，MAIN.m是入口程序，参数的意思在子函数里讲的很明白，调用了featureselect_FW_fast.m用来属性约简，几个clsf_dpd文件是使用不同的距离公式来计算属性重要度，选择得到属性结果，使用crossvalidate.m十折交叉算法来计算计算算法精度，该段代码调用了几个分类器，C4_5.m是决策树，KNN.m是最近邻分类器，NEC.m是类似于KNN的
-
-
3下载：
2采用PCA对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征提取（自己设定选取的特征个数），并基于所得到的特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。-2 using PCA for boys and girls in the sample data height, weight, like math, like literature, like sports, like common pattern rec
-
-
1下载：
1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
-
