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. 模式识别中 贝叶斯准则 Fisher准侧分类器设计 matlab代码实现

  2. bayes是对细胞的判别分类 分为最小错误率和最小风险两种 fisher是对两类进行判别

  3. 所属分类：其它

    • 发布日期：2009-06-07
    • 文件大小：3072
    • 提供者：yangyanhui923

  1. 判别分析（距离判别 贝叶斯判别）

  2. 在判别分析中，至少有一个已经明确知道类别的“训练样本”，利用这个数据，就可以建立判别准则，并通过预测变量来为未知类别的观测值进行判别了。 所谓Fisher判别法，就是一种先投影的方法。 考虑只有两个（预测）变量的判别分析问题。 假定这里只有两类。数据中的每个观测值是二维空间的一个点。见图（下一张幻灯片）。 这里只有两种已知类型的训练样本。其中一类有38个点（用“o”表示），另一类有44个点（用“*”表示）。按照原来的变量（横坐标和纵坐标），很难将这两种点分开。 于是就寻找一个方向，也就是图上的

  3. 所属分类：专业指导

    • 发布日期：2009-08-12
    • 文件大小：500736
    • 提供者：abmn03071468

  1. 模式识别上机实验4：Fisher 线性判别及感知器判别

  2. 根据给出的触角长度和翼长识别出一只标本是Af还是Apf是重要的。两种蠓虫，Af和Apf已由生物学家W.L.Grogna和W.W. Wirth （1981）根据它们的触角长度和翼长加以区分，见表中数据。 试分别用Fisher判别和感知准则函数求判别函数并判别出最后5个样本的类别，并画出20个样本的散点图及分类直线。 2，4. 最小均方误差准则函数。

  3. 所属分类：C/C++

    • 发布日期：2011-04-06
    • 文件大小：129024
    • 提供者：gangannini

  1. 改进的线性判别分析算法及其在人脸识别中的应用

  2. 提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优.该算法还能提高某一(几)个指定类别的分类率.这种算法的关键在于使用不损失“有判别力信息”的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则.在ORL人脸数据库上的比较实验结果证实了该算法的有效性.

  3. 所属分类：其它

  1. 用Fisher设计分类器

  2. 用Fisher线性判别准则设计分类器

  3. 所属分类：专业指导

  1. 模式识别课件

  2. 本课件由浅入深详细的对模式识别的各种分类方法，判别准则等进行了细致入微的讲述和分析，相信会对模式识别的学习者带来很好的帮助。

  3. 所属分类：专业指导

    • 发布日期：2013-05-16
    • 文件大小：2097152
    • 提供者：tyy651707479

  1. 性判别分析方法FDA总结

  2. FDA总结 2.1 Fisher Discriminant Analysis 2.1.1 两类情况 2.1.2 多类情况 2.2 判别向量之间的相关性 2.2.1正交LDA(FSLDA) 2.2.2 不相关的LDA(ULDA) 2.2.3 一个融合准则 2.3 SSS问题及其解决 2.3.1 代数方法 2.3.2　两步方法 2.3.3判别空间分析. 2.3.4　其它方法 2.4 关于类间散布矩阵 2.5其它线性判别分析方法 2.6 ILDA 2.7核LDA 2.8　2D-LDA 2.9　PCA

  3. 所属分类：专业指导

    • 发布日期：2013-12-16
    • 文件大小：335872
    • 提供者：u013065764

  1. Fisher判决器判别2种不同事物

  2. 用Fisher判别准则识别两种不同事物。

  3. 所属分类：C/C++

    • 发布日期：2013-12-18
    • 文件大小：933
    • 提供者：u010542951

  1. 模式识别fisher判别准则

  2. Fisher判别准则是模式识别中常用的一种分类方法，代码给出了Fisher判别准则投影向量和分类界面的计算方法，以及一个具体例子

  3. 所属分类：专业指导

    • 发布日期：2014-05-12
    • 文件大小：574
    • 提供者：sinat_15284561

  1. Fisher准则对二维数据进行分组的VC实现

  2. 用Fisher准则对二维数据进行分组的VC实现！具有一定的参考价值！

  3. 所属分类：C++

    • 发布日期：2009-04-16
    • 文件大小：81920
    • 提供者：qqqq73459088qq

  1. 基于智能Fisher的图像分割方法

  2. 利用智能fisher的一种图像分割方法，针对图像分割中最佳阈值选取及运算速度问题 ，本文提出 Ｆｉｓｈｅｒ准则和灰色关联分析有效结合的方法来给予解决．该方法首先引入模式识别理论中的 Ｆｉｓｈｅｒ判别准则，针对遍历目标函数速度慢的问题，结合 ＰＳＯ 算法对其进行快速的优化处理，提高了工作效率，更快地逼近最佳阈值；最后根据图像的特点，采取灰色关联分析，对已经分割的图像进行再次处理，可以消除边界区域的信息对最终分割结果的不利影响，由此得到更为准确、精细的分割图像

  3. 所属分类：机器学习

    • 发布日期：2018-05-15
    • 文件大小：381952
    • 提供者：wot114115pgg

  1. 模式识别 fisher判别

  2. 基于matlab的模式识别fisher判别分析，旨在进一步了解分类器的设计概念，能够根据自己的设计对线性分类器有更深刻地认识，理解Fisher准则方法确定最佳线性分界面方法的原理。

  3. 所属分类：软件测试

    • 发布日期：2018-12-10
    • 文件大小：2048
    • 提供者：weixin_43048780

  1. 基于FISHER线性判别的人脸识别（ORL库，含GUI界面）

  2. 实验基于ORL标准人脸数据库，包含可视化界面ORL标准人脸识别库包含40个人的人脸数据组，本次实验选取其中4个人的图像。4个人共40张图像，选取每个人的十张图像的前八张图像作为训练集，最后两张作为测试集，以此检验Fisher判别准则函数的实际效果。

  3. 所属分类：机器学习

    • 发布日期：2019-06-01
    • 文件大小：20971520
    • 提供者：qq_39217683

  1. 基于局部Fisher准则判别投影的人脸识别算法.pdf

  2. 基于局部Fisher准则判别投影的人脸识别算法.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-09
    • 文件大小：811008
    • 提供者：anitachiu_2

  1. 实验三 Fisher线性判别分类器.zip

  2. Fisher线性判别分类器 本实验旨在让同学进一步了解分类器的设计概念，理解并掌握用Fisher准则函数确定线性决策面方法的原理及方法，并用于实际的数据分类。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-02-11
    • 文件大小：103424
    • 提供者：qq_45062744

  1. 线性判别函数

  2. fisher准则，感知机准则，最小平方误差准则

  3. 所属分类：其它

    • 发布日期：2012-07-14
    • 文件大小：1048576
    • 提供者：xiaoyulei0406

  1. 机器学习–Fisher线性判别

  2. Fisher线性判别Fisher判别法介绍Fisher线性判别Fisher准则函数的定义python代码实现 Fisher判别法介绍 Fisher判别法是判别分析的方法之一，它是借助于方差分析的思想，利用已知各总体抽取的样品的p维观察值构造一个或多个线性判别函数y=l′x其中l= (l1，l2…lp)′，x= (x1，x2，…，xp)′，使不同总体之间的离差(记为B)尽可能地大，而同一总体内的离差(记为E)尽可能地小来确定判别系数l=(l1，l2…lp)′。数学上证明判别系数l恰好是|B-λE|

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：77824
    • 提供者：weixin_38719702

  1. Fisher线性分类器的设计与实现，感知器算法的设计实现

  2. 实验报告+代码+数据集 1、掌握Fisher线性判别的基本原理 2、利用Fisher线性判别解决基本的两类线性分类问题 1、熟悉感知器算法。 2、掌握感知准则函数分类器设计方法。 3、掌握感知器算法，利用它对输入的数据进行多类分类。

  3. 所属分类：机器学习

    • 发布日期：2021-03-21
    • 文件大小：1048576
    • 提供者：weixin_43442778

  1. 不相关的增强多样性费舍尔判别分析用于人脸识别

  2. 本文基于增强的Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为不相关的增强多样性Fisher判别分析（UEDFDA），用于人脸识别。 UEDFDA通过同时考虑类别标签信息和局部结构来定义无参数分集加权矩阵。 因此，UEDFDA可以保留数据的局部多样性结构，而无需设置任何参数。 此外，所提出的算法能够提取特征空间中不相关的判别向量，并且不会遭受样本量小的问题，这是许多模式分析应用所希望的。 人脸数据库的实验结果表明了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：301056
    • 提供者：weixin_38747233

  1. 零空间分集Fisher判别分析用于人脸识别

  2. 试图将原始数据投影到低维特征空间中的特征提取算法引起了很多关注。 本文基于增强型Fisher判别准则（EFDC），提出了一种新的特征提取方法，称为零空间多样性Fisher判别分析（NSDFDA），用于人脸识别。 提出了基于新优化准则的NSDFDA，这意味着可以在类内散点的零空间中计算所有判别向量。 此外，所提出的算法能够提取特征空间中的正交判别矢量，并且同时不存在样本量小的问题，这是许多模式分析应用所希望的。 在Yale数据库上的实验结果证明了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：310272
    • 提供者：weixin_38609571
« 12 3 »