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. K最近邻算法在分类和预测中的应用

  2. K最近邻算法，应用及优缺点 k-NN的思想可以容易地用来预测连续值（和我们建立多元线性回归模型的目的一样），通过用k个近邻的平均值来简单的预测因变量。通常，这个均值是带有权重的，权重随着和需要做预测的点的距离的增加而减小。

  3. 所属分类：专业指导

    • 发布日期：2012-06-01
    • 文件大小：133120
    • 提供者：angelaxiaohan

  1. K-NN（K近邻算法）实现手写字符的识别（C语言）

  2. K-NN（K近邻算法）实现手写字符的识别（C语言）实现，通过VS2010平台验证通过，代码详细易懂，是该算法上手的好资料.

  3. 所属分类：C

    • 发布日期：2014-12-08
    • 文件大小：1048576
    • 提供者：lpcarl

  1. k-近邻算法

  2. k-近邻算法（Python版）包括代码和样本集

  3. 所属分类：Python

    • 发布日期：2016-11-21
    • 文件大小：753664
    • 提供者：zxc024000

  1. 人脸聚类算法讲解（含原论文）

  2. Abstract—Clustering face images according to their latent identity has two important applications: (i) grouping a collection of face images when no external labels are associated with images, and (ii) indexing for efficient large scale face retrieva

  3. 所属分类：深度学习

    • 发布日期：2019-04-24
    • 文件大小：15728640
    • 提供者：qq_21768483

  1. “”，是介子核束缚态，在He（，λ）反应中观察到

  2. 我们在He3（K-，Λp）n的Λp不变质谱图中观察到一个明显的峰，远低于mK + 2mp，即与两个质子结合的K-的质量阈值。 通过选择一个较大的动量传递区域q = 350〜650 MeV / c，可以从动力学上将峰与准无过程K，N→K‾N分开，然后由两个旁观者进行非共振吸收。 核子K‾NN→ΛN。 我们发现，对观测峰的最简单拟合使我们在带宽ΓKpp= 115±7（stat）的BKpp = 47±3（stat。）− 6 + 3（sys。）MeV处具有Breit–Wigner极位置。 20 + 1

  3. 所属分类：其它

    • 发布日期：2020-05-05
    • 文件大小：1048576
    • 提供者：weixin_38605133

  1. 基于SU（3）手性电位的共振的完全耦合通道研究

  2. 我们已经研究了最基本的钾原子核“ K-pp”作为基于手性SU（3）的KN势的K´NN-πΣN-πΛN耦合通道系统的共振状态。 我们使用完全耦合通道的复杂缩放方法（完全ccCSM）充分处理“ K-pp”共振。 对于基于手性SU（3）的势能的能量依赖性，需要考虑自洽性。 在本研究中，考虑到介子的平均阈值和平均结合能，我们提出了一种用于治疗自洽的简单处方。 通过该处方，我们成功地找到了“ K-pp”三体共振的自洽解。 结果表明，“ K-pp”系统的绑定范围很浅。 特别是，当势参数受最新的K'N散射长度

  3. 所属分类：其它

    • 发布日期：2020-04-19
    • 文件大小：814080
    • 提供者：weixin_38550834

  1. MOTEC α系列交流伺服（选型手册）.pdf

  2. MOTEC α系列交流伺服（选型手册）pdf,MOTEC α系列交流伺服（选型手册）MOTEC MOTEC"a交流伺服系统 MOTECα交流伺服系统概述 MOTECα交流伺服系统概述 g系列交流伺服系统包合SED伺服驱动和SEM伺服电机。驱动器采用最新的 MOTEC览 伺服专用32位数字处理器(DSP)为核心,配以高速数字逻辑芯片,高品质功率模块 而组成。与SEM伺服电忛匹配具有集成度高、体枳凑、响应速度快、保护完、接线 α系列交流伺服系统包含SED伺服驱动和SEM伺服电饥。驱动 简洁明了、可靠

  3. 所属分类：其它

    • 发布日期：2019-10-15
    • 文件大小：4194304
    • 提供者：weixin_38743737

  1. 煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第六篇.pdf

  2. 煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第六篇pdf,煤矿（矿山）综采液压支架设备选型设计、工矿分析检测实用手册第六篇第六篇采煤工作面液压支架的选型与设计 2.支撑式支架在不同顶板条件下承载分析 (1)支撑式支架在中硬以上稳定顶板的受力情况,如图6-1-2所示。 Q2 Q 图6-1-2支撑式支架在中硬以上稳定顶板条件下的受力情况 一般来说,支架顶梁承受的顶板压力可视为两部分组成,其一是直接顶作用在支架上 的压力Q1;共二为老顶通过直接顶间接地作用在支架上的压力Q2 开始支架只承

  3. 所属分类：其它

    • 发布日期：2019-10-13
    • 文件大小：8388608
    • 提供者：weixin_38744435

  1. USB WIFI网卡在X210（linux）上的移植和使用笔记

  2. 此文件详细记录和讲述了MT76001网卡驱动在s5pv210中的移植过程和部分理论讲解，是linu驱动开发的初级、中级驱动工程师 wifi网卡移植很好的参考手册。3项目各项材料的准备和确认 31、开发环境搭建和确认 (1) 14.04 (2)内核源码树 使用之前搭建的环境,如下图所小: ootoubuntu: -4 cd rootfs/ bin picture tc linuxrc opt sbin testproject usr dev driver test Lib mnt proc sys

  3. 所属分类：Linux

    • 发布日期：2019-06-28
    • 文件大小：2097152
    • 提供者：weixin_40209911

  1. K-means聚类算法

  2. k-means算法。它不仅是最简单的聚类算法，也是最普及且最常用的。k-means算法是一种基于形心的划分数据的方法。我们给定一个数据集DD，以及要划分的簇数kk，就能通过该算法将数据集划分为kk个簇。一般来说，每个数据项只能属于其中一个簇。具体方法可以这样描述： 假设数据集在一个mm维的欧式空间中，我们初始时，可随机选择kk个数据项作为这kk个簇的形心Ci,i∈{1,2,…k}Ci,i∈{1,2,…k}，每个簇心代表的其实是一个簇，也就是一组数据项构成的集合。然后对所有的nn个数据项，计算这

  3. 所属分类：机器学习

    • 发布日期：2019-04-20
    • 文件大小：1048576
    • 提供者：weixin_43871002

  1. K-NN位置检测技术在卡尔曼滤波和人工神经网络中的应用

  2. RFID技术是确定对象位置的重要技术之一。 相对于RSSI振幅的校准曲线计算距离。 这项研究的目的是确定室内环境中移动物体的2D位置。 这项工作的重要性在于表明，与传统的KNN方法相比，使用人工神经网络加卡尔曼滤波进行定位更为准确。 建立室内无线传感网络，该网络具有战略性地定位的RFID发射器节点和带有RFID接收器节点的移动对象。 生成指纹图并部署K最近邻算法（KNN）以计算对象位置。 部署指纹坐标和在这些坐标处接收到的RSS值以建立人工神经网络（ANN）。 该网络用于通过使用在这些位置接收的

  3. 所属分类：其它

    • 发布日期：2020-06-03
    • 文件大小：949248
    • 提供者：weixin_38735804

  1. K 近邻法（K-Nearest Neighbor, K-NN）

  2. 文章目录1. k近邻算法2. k近邻模型2.1 模型2.2 距离度量2.2.1 距离计算代码 Python2.3 kkk 值的选择2.4 分类决策规则3. 实现方法, kd树3.1 构造 kdkdkd 树3.2 搜索 kdkdkd 树4. 鸢尾花KNN分类4.1 KNN实现4.2 sklearn KNN k近邻法（k-nearest neighbor，k-NN）是一种基本分类与回归方法。 输入：实例的特征向量，对应于特征空间的点 输出：实例的类别，可以取多类 假设：给定一个训练数据集，其中的实例

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：296960
    • 提供者：weixin_38681147

  1. 【K近邻（KNN）算法（一）】KNN的概念

  2. 文章目录K-最近邻算法1.算法介绍2.算法公式（1）分类（2）回归（不好，可以不看）（3）L1和L2范数距离L1范数距离(曼哈顿距离):L2范数距离(欧几里得距离):闵可夫斯基（knn中使用）3.K值选择举例 K-最近邻算法 1.算法介绍 属于有监督学习，知道可能的结果。属于多分类算法。K NearestN eighbors算法又叫K – NN算法，这个算法是机器学习里面一个比较经典的算法，总体来说K – NN算法是相对比较容易理解的算法。十大机器算法之一。 定义 如果一个样本在特征空间中的 个

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：308224
    • 提供者：weixin_38718307

  1. Bayesian-K-NN:具有贝叶斯风味的“从零开始”的K-NN-源码

  2. 贝叶斯-K-NN 目录 一般资讯 计划于2020年3月在里昂二世举行的“信息学与程序化”（计算机科学与程序化）课程中期项目由亚历山大·布鲁特（Alexandre Bluet）负责。 项目目标与设计 最初的任务是用Python从头开始编写K-NN。 尽管如此，我还是在项目中添加了贝叶斯推理部分，旨在纠正不平衡的数据集并提高模型的准确性。 技术领域 *Python

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：5120
    • 提供者：weixin_42131633

  1. 一种新的基于k-NN中心密度启发式密度的聚类算法

  2. 基于密度的聚类算法用于识别具有非常不同的局部密度并且存在于数据空间的不同区域中的聚类是众所周知的。 但是，很难确定大多数流行的基于密度的聚类算法（例如DBSCAN）所需的参数，但会对聚类结果产生重大影响。 在本文中，我们提出了一种新的基于密度的聚类算法，其中选择合适的参数难度较小，但更有意义。 在几个数据集上进行的实验表明了我们方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：478208
    • 提供者：weixin_38602098

  1. 通过k个最近邻图进行快速近似最近邻搜索

  2. 近似最近邻搜索是一个基本问题，并且已经研究了几十年。 最近基于图的索引方法已经证明了它们的高效率，其主要思想是离线构造邻域图并从在线图的一些采样点开始执行贪婪搜索。 现有的大多数基于图的方法都集中于具有良好开发能力的精确k近邻（k-NN）图或具有良好勘探能力的多元图。 在本文中，我们提出了k多样性最近邻（k-DNN）图，它平衡了图的精度和多样性，从而同时具有良好的开发和勘探能力。 我们引入了一种高效的索引算法，用于构造k-DNN图，该算法的灵感来自于信息检索（IR）中的一种知名的多样化排序算法。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：454656
    • 提供者：weixin_38750406

  1. nmslib：非度量空间库（NMSLIB）：一个有效的相似性搜索库和用于评估通用非度量空间的k-NN方法的工具包-源码

  2. 非度量空间库（NMSLIB） 重要笔记 NMSLIB是通用的，但速度很快，请参阅的结果。 我们最快的方法HNSW的独立实现。 所有文档（包括使用Python绑定和查询服务器，方法和空格的描述，构建库等）都可以上找到。 对于一般性问题，请使用：GitHub问题页面用于Bug和功能请求。 目标 非度量空间库（NMSLIB）是高效的跨平台相似性搜索库，也是评估相似性搜索方法的工具包。 核心库没有任何第三方依赖。 最近它已经越来越流行。 特别是，它已成为的一部分。 该项目的目标是创建一个有效且全

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：67108864
    • 提供者：weixin_42118011

  1. 机器学习和数据科学：机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K -折数，偏差与方差，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-M

  2. 机器学习与数据科学 机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：18874368
    • 提供者：weixin_42166261

  1. 识别手写数字KNN：MNIST K-NN分类-源码

  2. ML-MNIST K-NN分类 使用scikit-learn库提供的子集。 MNIST是一个计算机视觉数据集，由手写数字和每个图像的标签组成（用于告诉它是哪个数字） k-NN分类器将应用于图像数据集，以便从MNIST子集中识别手写数字。 理解 数据集的75％将接受培训，其余的将进行测试； 培训数据的10％将分配给验证，其余90％将作为培训数据保留 精度将显示要使用的最有效的k。 对测试数据的评估评估了模型的性能 请注意，邻居数不能大于训练数据集中的观测值数 安装 将此仓库克隆到您的计算机

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：3072
    • 提供者：weixin_42151599

  1. 调色板：为汉阳大学的AIML课程使用k均值和k-NN项目从图像中提取调色板-源码

  2. 调色板 调色板是一个网站，您可以在其中上传图像并获取主要颜色（使用k-均值聚类）以及关联的颜色名称（使用k-最近邻）。 这是由韩英元教授主持的汉阳大学人工智能入门项目。 动机，技术细节和方法论可以在我们所谓的“”中找到，作为一部分。 建立 要求：Python 3 git clone gitgithub.com:angristan/palette.git cd palette pip install -r requirements.txt flask run Palette在。

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：107520
    • 提供者：weixin_42113456
« 12 3 4 »