注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 高斯判别分类

  2. 基于opencv实现的c++版高斯判别分类，随机生成两类满足正态分布的训练样本点，利用高斯判别分析进行分类

  3. 所属分类：C/C++

    • 发布日期：2014-08-19
    • 文件大小：5120
    • 提供者：feimengjuan

  1. 正态密度下的二维决策面

  2. 这是一个三维高斯分布，在贝叶斯判别分析下，写出了二维高斯贝叶斯决策面的代码。

  3. 所属分类：专业指导

    • 发布日期：2014-08-29
    • 文件大小：1024
    • 提供者：tofonmm

  1. 高光谱图像分割

  2. 机器学习的大作业，对高光谱数据进行分类，使用了决策树，高斯判别分析，KNN，径向基神经网络等四种方法。编程语言为MATLAB，包括完整的数据和代码。

  3. 所属分类：讲义

    • 发布日期：2014-11-17
    • 文件大小：5242880
    • 提供者：hanwenhui3

  1. 核Fisher判别分析法（多分类gda）

  2. 多分类核Fisher判别分析法，里面我给了一个例子，用的是鸢尾花数据集，四维三类，降到二维，核函数有高斯核，线性核，多项式核等，需要自取

  3. 所属分类：专业指导

    • 发布日期：2017-04-09
    • 文件大小：39936
    • 提供者：danpianji666dan

  1. 现代谱估计原理高阶谱资料

  2. 本文详细阐述了在信号处理中引入高阶谱（PolySpectrum）理论的重要意义；给出了高阶谱的准确数学定义及相关性质，系统介绍了高阶谱估计的经典算法和现代算法；首次提出了现代算法中的模型阶次判别理论；并分析讨论了非线性系统X2（t）+aX(t)与线性系统h(t)在级联与并联情况下对线性部份的辨识问题；分析讨论了在非高斯假定下、最小相位条件不成立时，过程（模型）传递函数的相位谱估计问题。

  3. 所属分类：其它

    • 发布日期：2009-04-24
    • 文件大小：8388608
    • 提供者：haizhisheng001

  1. 斯坦福Ng机器学习课程笔记（中文版）

  2. 【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯

  3. 所属分类：讲义

    • 发布日期：2018-04-14
    • 文件大小：6291456
    • 提供者：difstone

  1. 图像识别-核费舍尔判别分析

  2. 对图像进行判别分析--利用核费舍尔判别分析方法，以高斯核函数作为核函数进行判别分析

  3. 所属分类：制造

    • 发布日期：2018-06-07
    • 文件大小：2048
    • 提供者：qq_34547169

  1. 斯坦福机器学习笔记（三）—— 高斯判别分析（GDA）

  2. 这是吴恩达机器学习视频的关于高斯判别分析的相关讲英文讲义的中文翻译，由于原版讲义未对相关公式进行推导，在上传的资源里对这些公式进行的详细的数学推导。希望对大家有所帮助

  3. 所属分类：机器学习

    • 发布日期：2018-08-08
    • 文件大小：714752
    • 提供者：qq_30091945

  1. 公开课笔记

  2. 这篇笔记对应的是公开课视频的第五个，讲到的内容有生成学习算法(generative learning algorithm)、高斯判别分析法(Gaussian Discriminant Analysis)、朴素贝叶斯(naive Bayes)和拉普拉斯平滑(Laplace Smoothing).

  3. 所属分类：机器学习

    • 发布日期：2019-02-20
    • 文件大小：224256
    • 提供者：h__ang

  1. 基于主成分分析与贝叶斯判别法的矿井突水水源识别方法研究

  2. 结合主成分分析和贝叶斯（Bayes）判别简化构建突水水源识别模型,水样变量因子选取Ca2+、Na++K+、Mg2+、HCO3-、Cl-、SO42-六个指标。采用潘二矿新生界松散层、煤系砂岩以及太原组灰岩中的水质分析资料作为训练样本和预测样本,其中,训练样本24个,预测样本11个,判别结果表明:松散层水正确率为81. 8%,砂岩水正确率为83. 3%,灰岩水正确率为85. 7%,整体正确率为83. 3%,判别结果可信度高。同时,将主成分分析和贝叶斯结合突水识别模型与贝叶斯模型比较表明利用主成分分析

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：1048576
    • 提供者：weixin_38748556

  1. 基于高斯混合分布的交通拥堵评价模型.pdf

  2. 为了客观、有效的评价交通拥堵的程度, 采用速度指标作为反映交通流状态特征的关键变量, 针对交通流速 度变量存在混合分布的特点, 建立了基于高斯混合分布的交通拥堵评价模型, 并将EM 算法运用于模型求解, 通过 对速度变量的聚类分析, 以判别交通状态, 评价交通拥堵程度。上海市快速高架路实测数据应用模型分析的结果表 明: 模型可以客观分析交通流的混合分布, 有效评价交通拥堵。

  3. 所属分类：专业指导

    • 发布日期：2013-09-08
    • 文件大小：289792
    • 提供者：ofourier

  1. 基于拟合优度法的薄板表面风压高斯特性判别

  2. 为了研究特殊部位、特殊风向中,薄板型结构表面风压对高斯特性的符合程度,采用拟合优度法对采样点风压时程序列进行检验分析.研究结果表明:薄板型结构顺风向情况下,迎风面大部分区域的风压属于高斯分布,但在"驻点"周围存在零散的非高斯区域,而背风面底部存在能量较高的小旋涡,因此其表面风压表现出明显的非高斯特性.横风向情况下,由于受到有组织旋涡的影响,大部分区域表现出明显的非高斯特性.拟合优度法可以直接获得判定结果,不需要人为判断,从而解决传统方法使用偏度、峰度等参数作为分辨参考依据时,无法给出确定结论的不

  3. 所属分类：其它

    • 发布日期：2020-05-26
    • 文件大小：421888
    • 提供者：weixin_38618540

  1. 贝叶斯判别法在煤与瓦斯突出预测中的应用

  2. 煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,文章选用瓦斯压力、瓦斯放散速度等多项影响判别因子,建立了基于贝叶斯判别分析煤与瓦斯突出的判别模型,通过对22组样本的学习和6组样本的预测,验证了该方法在煤与瓦斯判别中具有较高的准确性。

  3. 所属分类：其它

    • 发布日期：2020-07-14
    • 文件大小：631808
    • 提供者：weixin_38586200

  1. python实现高斯判别分析算法的例子

  2. 今天小编就为大家分享一篇python实现高斯判别分析算法的例子，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：439296
    • 提供者：weixin_38522253

  1. python实现高斯判别分析算法的例子

  2. 高斯判别分析算法（Gaussian discriminat analysis） 高斯判别算法是一个典型的生成学习算法（关于生成学习算法可以参考我的另外一篇博客）。在这个算法中，我们假设p(x|y)p(x|y)服从多元正态分布。 注：在判别学习算法中，我们假设p(y|x)p(y|x)服从一维正态分布，这个很好类比，因为在模型中输入数据XX通常是拥有很多维度的，所以对于XX的条件概率建模时要取多维正态分布。 多元正态分布 多元正态分布也叫多元高斯分布，这个分布的两个参数分别是平均向量μ∈Rnμ∈Rn

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：441344
    • 提供者：weixin_38550334

  1. 高光谱影像光谱空间分类的保留原位判别分析和高斯混合模型

  2. 高光谱影像光谱空间分类的保留原位判别分析和高斯混合模型

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38676851

  1. 高斯分布的黎曼流形用于图像集人脸识别的判别分析

  2. 高斯分布的黎曼流形用于图像集人脸识别的判别分析

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：535552
    • 提供者：weixin_38689857

  1. 基于主成分分析和线性判别分析的高光谱数据相关矢量机分类

  2. 相关性向量机（RVM）是一种机器学习技术，它使用贝叶斯推理来获取回归和概率的简约解。 与支持向量机（SVM）相比，RVM的贝叶斯公式避免了SVM的自由参数集。 然而，当应用于高光谱数据时，RVM的分类精度不高。 提出了一种基于RVM的分类方法。 该方法结合了主成分分析（PCA）和线性判别分析（LDA）以减少高光谱数据的维数。 首先，将PCA用于一维降维，并获得非奇异的类内散布矩阵。 其次，将LDA应用于第二维降维，大大减少了计算量。 最后，将相关向量机模型应用于遥感图像分类。 本文使用了1992

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：340992
    • 提供者：weixin_38731199

  1. 机器学习：Python机器学习在图像处理和算法实现中的应用，包括期望最大化，因子分析，高斯混合模型，OPTICS，DBSCAN，随机森林，决策树，支持向量机，主成分分析，K最近邻，K Means，朴素贝叶斯混合模型，高斯判别分析，牛顿法，梯

  2. 机器学习 介绍 机器学习是如此别致，每个程序员甚至非程序员都开始学习。 经过几个月的在线课程，每个人都成为了自称为数据科学家。 管理人员寄予厚望，并部署数据科学家来进行机器学习。 很快，人们遇到了死胡同，在虹膜数据集范围之外的事情运行得并不顺利！ 如果您去过我的其他存储库，例如或，您一定已经看到我猛烈抨击机器学习的鲁ck应用。 停止销售AI蛇油！ 不要误会我的意思。 我不是对机器学习持怀疑态度的人。 我看到了机器学习的巨大潜力，但是我对目前对人工智能的高估持怀疑态度，而坦率地说，人工智能已经不在

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：2097152
    • 提供者：weixin_42105570

  1. 基于D-vine Copula理论的贝叶斯分类器设计

  2. 高斯判别分析、朴素贝叶斯等传统贝叶斯分类方法在构建变量的联合概率分布时,往往会对变量间的相关性进行简化处理,从而使得贝叶斯决策理论中类条件概率密度的估计与实际数据之间存在一定的偏差.对此,结合Copula函数研究特征变量之间的相关性优化问题,设计基于D-vine Copula理论的贝叶斯分类器,主要目的是为了提高类条件概率密度估计的准确性.将变量的联合概率分布分解为一系列二元Copula函数与边缘概率密度函数的乘积,采用核函数方法对边缘概率密度进行估计 ,通过极大似然估计对二元Copula函数的

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：231424
    • 提供者：weixin_38596117
« 12 3 4 »