本貝葉斯分類器可以實(shí)現(xiàn)對二維高斯分布樣本的分類
標(biāo)簽： 貝葉斯 分類器 二維 分布
上傳時間： 2014-01-07
上傳用戶：日光微瀾
基于BP神經(jīng)網(wǎng)絡(luò)識別字符. BP神經(jīng)網(wǎng)絡(luò)算法是把一組樣本輸入輸出問題轉(zhuǎn)化為一個非線性優(yōu)化問題，并通過梯度算法利用迭代運(yùn)算求解權(quán)值的一種學(xué)習(xí)方法。采用BP網(wǎng)絡(luò)進(jìn)行分類，并附加線性感知器來實(shí)現(xiàn)單字符的有效識別，算法簡便，識別率高，可適用于多種高噪聲環(huán)境中的印刷體字符識別。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 識別 字符 算法
上傳時間： 2017-07-03
上傳用戶：wlcaption
這是模式分類一書中批處理裕量松弛算法和單樣本的裕量松弛算法的matlab代碼實(shí)現(xiàn)。pudn絕無二家。
標(biāo)簽： matlab pudn 算法 模式
上傳時間： 2013-12-23
上傳用戶：zhangjinzj
利用競爭層網(wǎng)絡(luò)對樣本數(shù)據(jù)進(jìn)行分類，利用輸入樣本數(shù)據(jù)對網(wǎng)絡(luò)進(jìn)行仿真
標(biāo)簽： 網(wǎng)絡(luò) 樣本 數(shù)據(jù) 分類
上傳時間： 2017-07-22
上傳用戶：lepoke
在這里輸入需要翻實(shí)現(xiàn)parzen 庫中找出與當(dāng)前情況距離最近的樣本的方法.把距離定義為相匹配的輸入事例的特征加權(quán)和譯的文字
標(biāo)簽： parzen 輸入 樣本 定義
上傳時間： 2017-07-26
上傳用戶：阿四AIR
蒙特卡羅期權(quán)定價(jià) 布朗橋方法 分層樣本方法
標(biāo)簽： 蒙特卡羅 分層 樣本
上傳時間： 2017-07-30
上傳用戶：奇奇奔奔
采用單神經(jīng)元結(jié)構(gòu)對兩類樣本進(jìn)行分類，其中X為輸入樣本，T為目標(biāo)向量。X=[-0.5,-0.5,0.3,0.1,-0.1,0.8,0.2,0.3 0.3,-0.2,-0.6,0.1,-0.5,1.0,0.3,0.9] T=[0,0,0,1,0,1,1,1]
標(biāo)簽： 單神經(jīng)元 分類 樣本
上傳時間： 2013-12-18
上傳用戶：xc216
目錄包含了代碼執(zhí)行Kohonen網(wǎng)絡(luò)。源代碼 中可以找到KNET.CPP 。樣本數(shù)據(jù)isfound在KNETSAMP.PAT 。程序輸出 可在接受KNETSAMP.OUT
標(biāo)簽： KNETSAMP Kohonen isfound KNET
上傳時間： 2017-08-04
上傳用戶：fxf126@126.com
該目錄包含了代碼執(zhí)行Kohonen自組織特征 地圖網(wǎng)絡(luò)。源代碼中可以找到SOFM.CPP 。樣本數(shù)據(jù)中發(fā)現(xiàn) SOFMSAMP.PAT 。的自組織特征映射程序接受輸入的載體和組成 計(jì)算重量。輸出定向到屏幕上。
標(biāo)簽： SOFMSAMP Kohonen SOFM CPP
上傳用戶：ynzfm
對一組樣本通過C-means算法進(jìn)行聚類分析，然后對聚類結(jié)果用感知器算法進(jìn)行分類，是模式識別課程的實(shí)驗(yàn)。
標(biāo)簽： C-means 樣本 算法 聚類分析
上傳時間： 2017-08-07
上傳用戶：zmy123
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
