搜索资源列表
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L transform effective features, supp
Bayes
- 贝叶斯分类实验，设计简单的线性分类器，了解模式识别的基本方法。掌握利用贝叶斯公式进行设计分类器的方法。-Bayesian classification experiment is designed to be simple linear classifier, know the basic methods of pattern recognition. Master the use of Bayesian classifier design formula method.
bayescode
- 贝叶斯分类，线性非线性分类，神经网络分类-Bayesian classification, linear non-linear classification, neural network classifier
fisher_matlat
- 简单的分类器的实现，包括最小线性法，贝叶斯、fisher准则等，可以学习借鉴。-fisher matlab
work_for_pattern_recognition
- 通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
bayes
- 贝叶斯分类和后面的线性、非线性分类器属于有监督学习。 -Bayesian classification and the back of the linear, non-linear classifier belong to supervised learning.
classifier
- 两类二维相关正态分布条件下的最小错误率贝叶斯分类器，基于最小风险的贝叶斯分类器，Parzen窗法非参数估计分类器程序，Fisher线性判别法分类器程序。-Under normal conditions two types of two-dimensional correlation of minimum error rate of Bayesian classifier, the minimum risk-based Bayesian classifier, Parzen window meth
lc_bayes_KL
- 分享一下贝叶斯，线性分类，K_L变换实验代码，有需要的下！！希望找到志同道合的朋友共同研究-Share Bayes, linear classification, K_L transformation test code, there is a need for the next! ! Hope to find like-minded friends to study
Pattern-Recognition-ppt
- 介绍模式识别的基本概念，详述了贝叶斯，参数估计，线性分类器，神经网络，随机方法，无监督学习与聚类等-Introduce the basic concepts of pattern recognition, Bayesian detailed, parameter estimation, linear classifiers, neural networks, stochastic methods, unsupervised learning and clustering, etc.
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
gender-classification
- Parzen窗法估计概率密度函数，得出贝叶斯分类器 用Fisher线性判别方法求分类器 留一法估计错误率-Parzen Fisher Bayes Leave-one based on height and weight
Pattern-Recognition2
- 清华模式识别第二次作业，采用dataset2.txt 数据作训练样本，采用身高与体重特征进行性别分类，建立最小错误贝叶斯分类器；2、采用身高体重数据作为特征，以 dataset2.txt 作为训练数据，用 Fisher 线性判别方法设计分类器；3、从多层感知器、SVM、近邻法选择一种方法，进行上述的分类实验；-Tsinghua second operation pattern recognition using dataset2.txt data for training samples, us
stprtool_v2.12
- 统计模式识别工具箱(STPRTool 版本2.12 2013-09-12) 功能有线性判别函数、特征提取、密度估计和聚类、支持向量机、贝叶斯分类器、交叉验证等-Statistical Pattern Recognition Toolbox Methods: Fisher,PCA,GMM,K-means,SVM,Bayes classifier,Cross-validation,KNN,etc.
An-Empirical-Bayesian-Framework
- 一种基于贝叶斯框架的线性分类。使用神经生理学信息和实验信息构建协方差矩阵。-A linear classification based on Bayesian framework. Covariance matrix is constructed using information and experimental neurophysiology information.
pkupr
- 模式识别 北京大学 本科生课程 课件 （包括贝叶斯模型、最近邻、SVM、线性与非线性分类器、boosting、统计学习、非监督学习等）-Pattern Recognition Peking University Courseware (including Bayesian model, the nearest neighbor, SVM, linear and non-linear classifiers, boosting, statistical learning, unsupervised
模式识别bayes实验
- 用身高和/或体重数据进行性别分类的实验 试验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分离器进行比较。 体会留一法估计错误率的方法和结果
c3d2matixgenerate
- 贝叶斯线性分类器作业,模式识别，最小错误率线性分类器-Bayes classification，Linear classifier design，Pattern Recognition
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
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class