基于決策樹和貝葉斯的預(yù)測(cè)分析器,可以對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集通過(guò)訓(xùn)練學(xué)習(xí)后根據(jù)訓(xùn)練結(jié)果進(jìn)行信息預(yù)測(cè)。
資源簡(jiǎn)介:基于決策樹和貝葉斯的預(yù)測(cè)分析器,可以對(duì)數(shù)據(jù)庫(kù)中的數(shù)據(jù)集通過(guò)訓(xùn)練學(xué)習(xí)后根據(jù)訓(xùn)練結(jié)果進(jìn)行信息預(yù)測(cè)。
上傳時(shí)間: 2016-09-03
上傳用戶:gaojiao1999
資源簡(jiǎn)介:基于膚色模型和貝葉斯判別的人臉檢測(cè)
上傳時(shí)間: 2015-08-26
上傳用戶:1109003457
資源簡(jiǎn)介:基于數(shù)據(jù)挖掘的決策樹改進(jìn)算法和貝葉斯改進(jìn)算法,很有用的
上傳時(shí)間: 2013-11-28
上傳用戶:helmos
資源簡(jiǎn)介:論文分享:基于最小錯(cuò)誤率貝葉斯決策的蘋果圖像分割。
上傳時(shí)間: 2013-12-16
上傳用戶:84425894
資源簡(jiǎn)介:本文通過(guò)分析樸素貝葉斯的兩種常見(jiàn)的實(shí)現(xiàn) 模型:二項(xiàng)獨(dú)立模型(BIM)和多項(xiàng)模型(MM),提出混和模型的樸素貝葉斯方法和帶有單詞量相關(guān)的 平滑因子的混和模型。
上傳時(shí)間: 2014-11-24
上傳用戶:wyc199288
資源簡(jiǎn)介:基于貝葉斯的數(shù)據(jù)挖掘算法的實(shí)現(xiàn),使用visual stutio2005編程實(shí)現(xiàn)。
上傳時(shí)間: 2013-12-28
上傳用戶:jeffery
資源簡(jiǎn)介:是一個(gè)關(guān)于圖像matting的新的貝葉斯的方法,04年新提出來(lái)的,比以前的幾種方法效果要好
上傳時(shí)間: 2015-10-13
上傳用戶:zhengzg
資源簡(jiǎn)介:本系統(tǒng)是一個(gè)簡(jiǎn)單的樸素貝葉斯的數(shù)據(jù)集分類系統(tǒng),能夠通過(guò)輸入數(shù)據(jù)并預(yù)測(cè)數(shù)據(jù)集屬于哪一個(gè)類
上傳時(shí)間: 2015-12-05
上傳用戶:yuchunhai1990
資源簡(jiǎn)介:L-M優(yōu)化算法(trainlm)和貝葉斯正則化算法(trainbr)
上傳時(shí)間: 2013-12-08
上傳用戶:gundamwzc
資源簡(jiǎn)介:一個(gè)樸素貝葉斯的matlab實(shí)現(xiàn)算法一個(gè)樸素貝葉斯的matlab實(shí)現(xiàn)算法
上傳時(shí)間: 2016-11-24
上傳用戶:363186
資源簡(jiǎn)介:全概率公式和貝葉斯公式全概率公式和貝葉斯公式全概率公式和貝葉斯公式全概率公式和貝葉斯公式
上傳時(shí)間: 2017-06-27
上傳用戶:exxxds
資源簡(jiǎn)介:本資料含有國(guó)外最經(jīng)典的數(shù)據(jù)挖掘的論文。有決策樹,貝葉斯等
上傳時(shí)間: 2014-01-12
上傳用戶:D&L37
資源簡(jiǎn)介:人工智能 機(jī)器學(xué)習(xí) 貝葉斯的模型 訓(xùn)練貝葉斯
上傳時(shí)間: 2017-10-26
上傳用戶:faith
資源簡(jiǎn)介:一些數(shù)據(jù)挖掘算法相關(guān),包含定義網(wǎng)絡(luò)拓?fù)?有關(guān)高血壓研究方面的數(shù)據(jù),樸素貝葉斯分類,關(guān)聯(lián)規(guī)則基本概念,數(shù)據(jù)挖掘算法, 決策樹方法在數(shù)據(jù)挖掘中的應(yīng)用,訓(xùn)練貝葉斯信念網(wǎng)絡(luò),后向傳播,貝葉斯信念網(wǎng)絡(luò),后向傳播和可解釋性,多層前饋神經(jīng)網(wǎng)絡(luò)
上傳時(shí)間: 2017-04-25
上傳用戶:comua
資源簡(jiǎn)介:一些機(jī)器學(xué)習(xí)的文檔.有貝葉斯,決策樹,ga,ann,規(guī)則學(xué)習(xí),增強(qiáng)學(xué)習(xí)等ppt介紹文檔
上傳時(shí)間: 2013-12-16
上傳用戶:zaizaibang
資源簡(jiǎn)介:Visual C++數(shù)字圖像模式識(shí)別技術(shù)及工程實(shí)踐(隨書光盤)人民郵電出版社2003張宏林本書介紹了模式識(shí)別和人工智能中的一些基本理論以及一些相關(guān)的模型,包括貝葉斯決策、線性判別函數(shù)、神經(jīng)網(wǎng)絡(luò)理論、隱馬爾可夫模型、聚類技術(shù)等,同時(shí)結(jié)合模式識(shí)別中的一些經(jīng)典問(wèn)...
上傳時(shí)間: 2017-07-01
上傳用戶:netwolf
資源簡(jiǎn)介:基于樸素貝葉斯算法實(shí)現(xiàn)的中文文本分類程序??梢詫?duì)中文文本進(jìn)行分類識(shí)別,使用時(shí)先對(duì)分類器進(jìn)行訓(xùn)練,然后進(jìn)行識(shí)別。該Beta版本僅支持對(duì)3類文本進(jìn)行分類,使用簡(jiǎn)單的中文分詞方法,本程序尚不具備實(shí)用性,用于算法研究和改進(jìn)。
上傳時(shí)間: 2013-12-22
上傳用戶:huql11633
資源簡(jiǎn)介:本書是清華大學(xué)自動(dòng)化教材,主要討論統(tǒng)計(jì)模式識(shí)別理論和方法,包括了貝葉斯決策理論、線性和非線性判別函數(shù)、近鄰規(guī)則、經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化、特征提取和選擇、聚類分析、人工神經(jīng)網(wǎng)絡(luò)、模糊模式識(shí)別、模擬退火和遺傳算法,以及統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)等內(nèi)容,還介...
上傳時(shí)間: 2014-01-04
上傳用戶:qw12
資源簡(jiǎn)介:基于BP算法的貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí), 實(shí)現(xiàn)了圖形話的節(jié)點(diǎn)表示和樣本生成, 圖形話的結(jié)果分析
上傳時(shí)間: 2016-09-22
上傳用戶:戀天使569
資源簡(jiǎn)介:·基于Matlab的貝葉斯分類器實(shí)驗(yàn)平臺(tái)MBNC
上傳時(shí)間: 2013-04-24
上傳用戶:1043041441
資源簡(jiǎn)介:有關(guān)貝葉斯算法的java程序 優(yōu)化計(jì)算和預(yù)測(cè)功能 比較好用
上傳時(shí)間: 2014-01-09
上傳用戶:zhenyushaw
資源簡(jiǎn)介:程序用C語(yǔ)言實(shí)現(xiàn)了貝葉斯在數(shù)據(jù)挖掘中分類和預(yù)測(cè)中的應(yīng)用,通過(guò)程序可以很好的進(jìn)行分類和預(yù)測(cè)。
上傳時(shí)間: 2013-12-20
上傳用戶:chongcongying
資源簡(jiǎn)介:用VB和MSBN實(shí)現(xiàn)線的一個(gè)貝葉斯網(wǎng)絡(luò)的簡(jiǎn)單例子
上傳時(shí)間: 2015-05-16
上傳用戶:FreeSky
資源簡(jiǎn)介:基于次優(yōu)貝葉斯估計(jì)的非線形非高斯條件下的粒子濾波器的MATELAB仿真
上傳時(shí)間: 2014-01-01
上傳用戶:hxy200501
資源簡(jiǎn)介:貝葉斯學(xué)習(xí)算法分類文本。基于樸素貝葉斯分類器的文本分類的通用算法,是目前所知文本分類算法中最有效的一類
上傳時(shí)間: 2014-01-19
上傳用戶:zhaiyanzhong
資源簡(jiǎn)介:貝葉斯學(xué)習(xí)算法分類文本?;跇闼刎惾~斯分類器的文本分類的通用算法,是目前所知文本分類算法中最有效的一類
上傳時(shí)間: 2015-07-19
上傳用戶:CHINA526
資源簡(jiǎn)介:java編寫的貝葉斯網(wǎng)絡(luò)分類器(貌似沒(méi)有模型構(gòu)建和參數(shù)學(xué)習(xí)過(guò)程)
上傳時(shí)間: 2014-12-20
上傳用戶:xiaoxiang
資源簡(jiǎn)介:基于不斷學(xué)習(xí)的貝葉斯-KNN文本分類算法的設(shè)計(jì)與實(shí)現(xiàn),給出原始幾個(gè)類別的文本文件,通過(guò)機(jī)器學(xué)習(xí),獲取各個(gè)類別文本內(nèi)容的主要特征,在這個(gè)基礎(chǔ)上,給出待分類的文件庫(kù),系統(tǒng)通過(guò)自動(dòng)分類,對(duì)文件庫(kù)中的文本進(jìn)行分類,把文件分配到最有可能的類別中。
上傳時(shí)間: 2015-08-31
上傳用戶:時(shí)代電子小智
資源簡(jiǎn)介:貝葉斯分類器是一種最優(yōu)分類器,它假設(shè)基于可獲得的信息可以建立類別的概率密度函數(shù),然后基于最小錯(cuò)誤率分類準(zhǔn)則進(jìn)行分類。一般假設(shè)概率密度函數(shù)是正態(tài)分布,因?yàn)檎龖B(tài)分布數(shù)學(xué)基礎(chǔ)較好。問(wèn)題就轉(zhuǎn)化為正態(tài)分布參數(shù)的估計(jì)問(wèn)題。幸運(yùn)的是,參數(shù)估計(jì)問(wèn)題已經(jīng)被很...
上傳時(shí)間: 2014-01-05
上傳用戶:葉山豪
資源簡(jiǎn)介:基于貝葉斯分類器的牙周病診斷系統(tǒng),用matlab實(shí)現(xiàn)
上傳時(shí)間: 2014-02-05
上傳用戶:123啊