樸素貝葉斯(Naive Bayes, NB)算法是機(jī)器學(xué)習(xí)領(lǐng)域中常用的一種基于概率的分類算法，非常簡單有效。k近鄰法(k-Nearest Neighbor, kNN)[30,31]又稱為基于實(shí)例(Example-based, Instance-bases)的算法，其基本思想相當(dāng)直觀：Rocchio法來源于信息檢索系統(tǒng)，后來最早由Hull在1994年應(yīng)用于分類[74]，從那以后，Rocchio方法就在文本分類中廣泛應(yīng)用起來。
資源簡介：樸素貝葉斯(Naive Bayes, NB)算法是機(jī)器學(xué)習(xí)領(lǐng)域中常用的一種基于概率的分類算法，非常簡單有效。k近鄰法(k-Nearest Neighbor, kNN)[30,31]又稱為基于實(shí)例(Example-based, Instance-bases)的算法，其基本思想相當(dāng)直觀：Rocchio法來源于信息檢索系統(tǒng)，后來最早...
上傳時(shí)間： 2014-01-03
上傳用戶：wxhwjf
資源簡介：EM算法是機(jī)器學(xué)習(xí)領(lǐng)域中常用的一種算法，這個(gè)文件是EM算法最簡單的一種實(shí)現(xiàn)，即在Gaussian Mixture model上面的EM。
上傳時(shí)間： 2013-12-11
上傳用戶：wxhwjf
資源簡介：提出了課程表問題的一種基于概率型啟發(fā)式算法（HA）的模擬退火算法。
上傳時(shí)間： 2014-01-16
上傳用戶：lanwei
資源簡介：圖象水印的一種基于dct的簡單算法例子 期望能對剛開始涉及數(shù)字水印的朋友有一點(diǎn)幫助
上傳時(shí)間： 2015-06-12
上傳用戶：ryb
資源簡介：蟻群算法( ant colony algorithm) 是由意大利學(xué)者 Dorigo 等人[1 ,2 ] 于20 世紀(jì)90 年代初期通過模擬自然界 中螞蟻集體尋徑的行為而提出的一種基于種群的啟發(fā) 式仿生進(jìn)化系統(tǒng)。蟻群算法包含兩個(gè)基本階段:適應(yīng)階 段和協(xié)作階段。在適應(yīng)階段,各候選解根...
上傳時(shí)間： 2016-01-18
上傳用戶：xyipie
資源簡介：以色列提出的一種基于點(diǎn)的快速繪制算法，高效、無需法線和符合一定規(guī)律的采樣，不需要濃度。
上傳時(shí)間： 2016-07-04
上傳用戶：banyou
資源簡介：樸素貝葉斯分類器（Naive Bayes Classifier），可以分類任意屬性個(gè)數(shù)和目標(biāo)狀態(tài)的離散樣例。
上傳時(shí)間： 2014-10-31
上傳用戶：戀天使569
資源簡介：樸素貝葉斯分類算法,可以用來進(jìn)行分類Bayes
上傳時(shí)間： 2014-01-04
上傳用戶：teddysha
資源簡介：基于樸素貝葉斯算法實(shí)現(xiàn)的中文文本分類程序。可以對中文文本進(jìn)行分類識(shí)別，使用時(shí)先對分類器進(jìn)行訓(xùn)練，然后進(jìn)行識(shí)別。該Beta版本僅支持對3類文本進(jìn)行分類，使用簡單的中文分詞方法，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： 2015-07-19
上傳用戶：CHINA526
資源簡介：樸素貝葉斯分類算法，《機(jī)器學(xué)習(xí)及java實(shí)現(xiàn)里面的》
上傳時(shí)間： 2016-03-09
上傳用戶：徐孺
資源簡介：樸素貝葉斯分類算法2，《機(jī)器學(xué)習(xí)及java實(shí)現(xiàn)里面的》
上傳時(shí)間： 2014-01-10
上傳用戶：cjf0304
資源簡介：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
資源簡介：垃圾郵件過濾器Java源碼 本軟件基于樸素貝葉斯算法，用NetBean生成的界面（須JDK1.6），適用于對手機(jī)短信，郵箱郵件，日記等一些txt文件進(jìn)行分類，測試率達(dá)90％以上。在這里我非常感謝我的網(wǎng)絡(luò)老師鄭偉！希望大家多多提意見哦
上傳時(shí)間： 2013-12-19
上傳用戶：huannan88
資源簡介：垃圾郵件過濾器 本軟件基于樸素貝葉斯算法，用NetBean生成的界面（須JDK1.6），適用于對手機(jī)短信，郵箱郵件，日記等一些txt文件進(jìn)行分類，測試率達(dá)90 以上。
上傳時(shí)間： 2017-03-23
上傳用戶：lizhen9880
資源簡介：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
資源簡介：樸素貝葉斯算法，以函數(shù)形式實(shí)現(xiàn)，花了一個(gè)上午的時(shí)間
上傳時(shí)間： 2013-12-29
上傳用戶：gtzj
資源簡介：：將K—means算法引入到樸素貝葉斯分類研究中，提出一種基于K—means的樸素貝葉斯分類算法。首先用K— me．a(chǎn)rks算法對原始數(shù)據(jù)集中的完整數(shù)據(jù)子集進(jìn)行聚類，計(jì)算缺失數(shù)據(jù)子集中的每條記錄與 個(gè)簇重心之間的相似度，把記 錄賦給距離最近的一個(gè)簇，并用該簇相...
上傳時(shí)間： 2017-08-18
上傳用戶：banyou
資源簡介：樸素貝葉斯分類器，實(shí)現(xiàn)了樸素貝葉斯分類算法，結(jié)果表明比較好
上傳時(shí)間： 2014-01-25
上傳用戶：ryb
資源簡介：樸素貝葉斯分類器，對于連續(xù)變量情形，此算法將連續(xù)變量進(jìn)行離散，分類效果較好
上傳時(shí)間： 2013-12-13
上傳用戶：515414293
資源簡介：樸素貝葉斯分類器（Navie Bayesian Classifier）識(shí)別鼠標(biāo)輸入的字母A～J
上傳時(shí)間： 2015-03-08
上傳用戶：chfanjiang
資源簡介：C語言的樸素貝葉斯分類器代碼，是標(biāo)準(zhǔn)C編寫的，希望對大家有幫助
上傳時(shí)間： 2014-12-02
上傳用戶：784533221
資源簡介：本系統(tǒng)是一個(gè)簡單的樸素貝葉斯的數(shù)據(jù)集分類系統(tǒng),能夠通過輸入數(shù)據(jù)并預(yù)測數(shù)據(jù)集屬于哪一個(gè)類
上傳時(shí)間： 2015-12-05
上傳用戶：yuchunhai1990
資源簡介：樸素貝葉斯分類器代碼，能夠進(jìn)行分類，
上傳時(shí)間： 2013-12-18
上傳用戶：yt1993410
資源簡介：本文通過分析樸素貝葉斯的兩種常見的實(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
資源簡介：樸素貝葉斯c代碼，希望對大家有幫助
上傳時(shí)間： 2014-08-03
上傳用戶：erkuizhang
資源簡介：用matlab實(shí)現(xiàn)的樸素貝葉斯分類源代碼，希望對大家有些幫助
上傳時(shí)間： 2016-06-17
上傳用戶：a6697238
資源簡介：貝葉斯算法是基于貝葉斯定理 P(H|X) = P(X|H)P(H) / P(X).。對于多屬性的數(shù)據(jù)集，計(jì)算 P(X|Ci) 的開銷非常大，為減低計(jì)算復(fù)雜度，我們做條件獨(dú)立的假設(shè)，即給定元組的類標(biāo)號(hào)，假定屬性值有條件地相互獨(dú)立，即在屬性間不存在依賴關(guān)系。此程序僅為算法的一個(gè)實(shí)...
上傳時(shí)間： 2016-10-21
上傳用戶：1159797854
資源簡介：：樸素貝葉斯分類器是一種簡單而高效的分類器，但是它的屬性獨(dú)立性假設(shè)使其無法表示現(xiàn)實(shí)世界屬性之間的依賴關(guān) 系，以及它的被動(dòng)學(xué)習(xí)策略，影響了它的分類性能。本文從不同的角度出發(fā)，討論并分析了三種改進(jìn)樸素貝葉斯分類 性能的方法。為進(jìn)一步的研究打下堅(jiān)...
上傳時(shí)間： 2017-08-18
上傳用戶：cazjing
