您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 贝叶斯线性回归介绍 高斯回归基础

  2. 贝叶斯线性回归,高斯过程回归的基础研究gpr 的人 共勉
  3. 所属分类:专业指导

    • 发布日期:2010-06-04
    • 文件大小:1048576
    • 提供者:kobe00712
  1. 贝叶斯的JAVA分类器实现 - Corey,你看了天比你高多了!

  2. 贝叶斯的JAVA分类器实现 - Corey,你看了天比你高多了!
  3. 所属分类:Java

    • 发布日期:2013-03-03
    • 文件大小:803840
    • 提供者:zzy19920816
  1. 朴素贝叶斯

  2. 朴素贝叶斯,C语言实现,完整实现,可读性很高。
  3. 所属分类:C

    • 发布日期:2014-12-30
    • 文件大小:9437184
    • 提供者:qustqustjay
  1. 贝叶斯分类

  2. 贝叶斯分类,主要讲述高斯贝叶斯的分类方法和如何分类。
  3. 所属分类:其它

    • 发布日期:2015-10-30
    • 文件大小:359
    • 提供者:qq_31752961
  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. 基于贝叶斯网络的机床加工质量异常预警方法

  2. 基于贝叶斯网络的机床加工质量异常预警方法,韦武杰,尹超,针对智能制造车间机床加工过程中,导致加工质量异常的各类影响因素来源广、频率高、随机性强且难以管控的难题,提出一种基于贝叶
  3. 所属分类:其它

    • 发布日期:2020-03-09
    • 文件大小:952320
    • 提供者:weixin_38536349
  1. 基于贝叶斯最大熵与历史数据的土壤属性空间预测

  2. 基于贝叶斯最大熵与历史数据的土壤属性空间预测,杨勇,李卫东,高精度的土壤属性图件是精准农业实施和土壤质量评价的基础,而搜集和合理利用尽可能多的信息/数据是提高土壤属性空间预测精度的�
  3. 所属分类:其它

    • 发布日期:2020-02-09
    • 文件大小:425984
    • 提供者:weixin_38722052
  1. 贝叶斯分类实验.pdf

  2. 贝叶斯分类算法是统计学的一种分类方法,它是一类利用概率统计知识进行分类的算法。在许多场合,朴素贝叶斯(Naïve Bayes,NB)分类算法可以与决策树和神经网络分类算法相媲美,该算法能运用到大型数据库中,而且方法简单、分类准确率高、速度快。
  3. 所属分类:讲义

    • 发布日期:2020-01-16
    • 文件大小:805888
    • 提供者:s1737235537
  1. 基于贝叶斯信念网的扶梯可靠性建模与分析

  2. 基于贝叶斯信念网的扶梯可靠性建模与分析,钱文学,尹晓伟,扶梯通常用来运输人员和货物,可靠性要求很高,由于组成扶梯的零部件存在渐变失效的特性,这导致零部件存在从完全正常到完全失效
  3. 所属分类:其它

    • 发布日期:2020-01-11
    • 文件大小:314368
    • 提供者:weixin_38686041
  1. 代谢组学数据分析中贝叶斯网络的应用进展

  2. 代谢组学数据分析中贝叶斯网络的应用进展,李贞子,王丽萍,代谢组学是近年发展快速的一门学科,已在医学等诸多领域广泛应用。代谢组学数据具有高维、小样本、高噪声等复杂特征,为其数据分
  3. 所属分类:其它

    • 发布日期:2020-01-04
    • 文件大小:210944
    • 提供者:weixin_38597533
  1. 约束无信息先验贝叶斯神经网络学习

  2. 约束无信息先验贝叶斯神经网络学习,武俊峰,江其保,在贝叶斯神经网络中大多是通过复杂度较高的分层先验模型实现的.而无信息先验在贝叶斯方法中则是更为常见的先验之一.该文介绍了无�
  3. 所属分类:其它

    • 发布日期:2019-12-30
    • 文件大小:347136
    • 提供者:weixin_38659622
  1. awesome-bayesian-deep-learning, 一份专门用于贝叶斯深入学习的资源列表.zip

  2. awesome-bayesian-deep-learning, 一份专门用于贝叶斯深入学习的资源列表 awesome-bayesian-deep-learning一份专门用于贝叶斯深入学习的资源列表 table-内容理论论文/论文理论论文/论文 2013:深高斯 processes|Andreas C 。Dam
  3. 所属分类:其它

    • 发布日期:2019-10-09
    • 文件大小:4096
    • 提供者:weixin_38744207
  1. 贝叶斯优化全套代码—改-添加使用教程

  2. 贝叶斯优化是机器学习中一部分,由于网格搜索法效果不好,才选择贝叶斯优化,涉及到参数寻优的都可以用此方法,效率高并且有效性强。
  3. 所属分类:机器学习

    • 发布日期:2020-10-29
    • 文件大小:18432
    • 提供者:qq_38597069
  1. 朴素贝叶斯分类Python实现

  2. 朴素贝叶斯分类算法的python实现,有需要的同学可以自取。如果积分涨得过高请联系我,我随时可以下调
  3. 所属分类:机器学习

    • 发布日期:2020-10-27
    • 文件大小:1024
    • 提供者:qq_43116030
  1. python机器学习之贝叶斯分类

  2. 一、贝叶斯分类介绍 贝叶斯分类器是一个统计分类器。它们能够预测类别所属的概率,如:一个数据对象属于某个类别的概率。贝叶斯分类器是基于贝叶斯定理而构造出来的。对分类方法进行比较的有关研究结果表明:简单贝叶斯分类器(称为基本贝叶斯分类器)在分类性能上与决策树和神经网络都是可比的。在处理大规模数据库时,贝叶斯分类器已表现出较高的分类准确性和运算性能。基本贝叶斯分类器假设一个指定类别中各属性的取值是相互独立的。这一假设也被称为:类别条件独立,它可以帮助有效减少在构造贝叶斯分类器时所需要进行的计算。 二、
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:196608
    • 提供者:weixin_38565628
  1. 高光谱图像的贝叶斯恢复方法

  2. 高光谱图像的贝叶斯恢复方法
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:829440
    • 提供者:weixin_38571759
  1. 朴素贝叶斯-源码

  2. 朴素贝叶斯Python实现 在机器学习中,朴素贝叶斯分类器是一系列简单的“概率分类器”,它们基于贝叶斯定理,并在特征之间具有强烈的(朴素的)独立性假设。 它们是最简单的贝叶斯网络模型之一。[1] 但是它们可以与内核密度估计结合使用,并可以达到更高的准确度水平。 Python中的一个简单的术语频率朴素贝叶斯实现。 这是一个非常粗糙的实现,还有很多改进的余地。
  3. 所属分类:其它

    • 发布日期:2021-02-19
    • 文件大小:2048
    • 提供者:weixin_42131424
  1. 朴素贝叶斯分类-源码

  2. 朴素贝叶斯分类 这是泰坦尼克号数据集(5行数据集)的高斯分类方法。 该模型的准确性为62.228%。 通过在我们的分析中使用更多功能,可以提高准确性。
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:36864
    • 提供者:weixin_42172972
  1. 基于贝叶斯−斯坦科尔伯格博弈的SDN 安全控制平面模型

  2. 提出一种基于动态异构冗余的安全控制平面,通过动态地变换异构的控制器以增加攻击者的难度。首先,提出基于贝叶斯−斯坦科尔伯格博弈模型的控制器动态调度方法,将攻击者和防御者作为博弈参与双方,求得均衡解,进而指导调度策略;其次,引入一种自清洗机制,与博弈策略结合形成闭环的防御机制,进一步地提高了控制层的安全增益;最后,实验定量地描述了基于该博弈策略的安全控制层相比与传统部署单个控制器以及采用随机策略调度控制器的收益增益,并且自清洗机制能够使控制平面一直处于较高的安全水平。
  3. 所属分类:其它

    • 发布日期:2021-02-08
    • 文件大小:979968
    • 提供者:weixin_38547397
  1. 工业过程中的数据挖掘对预测的不同机器学习模型的评估:工业过程中的数据挖掘:用于产品质量预测的不同机器学习模型的评估。 评估的模型类型是随机森林,朴素高斯贝叶斯,逻辑回归,K最近邻和支持向量机。 非基于时间的基于状态的方法与基于时间序列的方法

  2. 工业过程中的数据挖掘对预测的不同机器学习模型的评估:工业过程中的数据挖掘:用于产品质量预测的不同机器学习模型的评估。 评估的模型类型是随机森林,朴素高斯贝叶斯,逻辑回归,K最近邻和支持向量机。 非基于时间的基于状态的方法与基于时间序列的方法的比较。 最终结果精度为99.83%
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:4194304
    • 提供者:weixin_42133861
« 12 3 4 5 6 7 8 9 10 ... 21 »