內(nèi)容提要第1章 機器學(xué)習(xí)概1.1 機器學(xué)習(xí)簡介 1.1.1 機器學(xué)習(xí)簡史 1.1.2 機器學(xué)習(xí)主要流派 1.2 機器學(xué)習(xí)、人工智1.2.1 什么是人工智能 1.2.2 什么是數(shù)據(jù)挖掘 1.2.3 機器學(xué)習(xí)、人工智1.3 典型機器學(xué)習(xí)應(yīng)用1.4 機器學(xué)習(xí)算法 1.5 機器學(xué)習(xí)的一般流程 第2章 機器學(xué)習(xí)基本2.1 統(tǒng)計分析2.1.1 統(tǒng)計基礎(chǔ)2.1.2 常見概率分布2.1.3 參數(shù)估計2.1.4 假設(shè)檢驗2.1.5 線性回歸2.1.6 邏輯回歸2.1.7 判別分析2.1.8 非線性模型2.2 高維數(shù)據(jù)降維2.2.1 主成分分析2.2.2 奇異值分解2.2.3 線性判別分析2.2.4 局部線性嵌入2.2.5 拉普拉斯特征映射2.3 特征工程 2.3.1 特征構(gòu)建2.3.2 特征選擇2.3.3 特征提取2.4 模型訓(xùn)練2.4.1 模型訓(xùn)練常見術(shù)語2.4.2 訓(xùn)練數(shù)據(jù)收集 2.5 可視化分析 2.5.1 可視化分析的作用2.5.2 可視化分析方法 2.5.3 可視化分析常用工2.5.4 常見的可視化圖表 2.5.5 可視化分析面臨的挑戰(zhàn)
標(biāo)簽： 機器學(xué)習(xí)
上傳時間： 2022-06-16
上傳用戶：
傳統(tǒng)多模態(tài)生物特征識別方法當(dāng)出現(xiàn)生物特征缺失時，識別性能會明顯下降。針對此問題，提出一種融合人臉、虹膜和掌紋的自適應(yīng)并行結(jié)構(gòu)多模態(tài)生物識別方法。該方法在設(shè)計融合策略時，考慮到所有可能的輸入缺失，構(gòu)造并行結(jié)構(gòu)的融合函數(shù)集，在實際應(yīng)用時根據(jù)輸入狀態(tài)自適應(yīng)的選擇融合策略進行識別。實驗仿真結(jié)果表明該方法既可提高識別可靠性又可實現(xiàn)當(dāng)有生物特征缺失時的性能穩(wěn)定。
上傳時間： 2013-11-02
上傳用戶：huangld
一個ping , html ,ftp 三功能合一的網(wǎng)路程式源代碼 , 我是來自臺灣的朋友 , 謝謝 :)
上傳時間： 2014-01-25
上傳用戶：龍飛艇
Oracle發(fā)布的自oracle8i以后可以使用的將oracle數(shù)據(jù)庫記錄直接映射為XML文件的程序依賴包，很不錯。
標(biāo)簽： oracle8i Oracle oracle XML
上傳時間： 2015-03-30
上傳用戶：dave520l
利用c＋＋開發(fā)的自組織映射神經(jīng)網(wǎng)絡(luò)源程序，供初學(xué)者參考。
標(biāo)簽： 自組織映射 神經(jīng)網(wǎng)絡(luò) 源程序
上傳時間： 2013-12-11
上傳用戶：星仔
一種基于蟻群聚類的徑向基神經(jīng)網(wǎng)絡(luò) 提出了一種基于蟻群聚類算法的徑向基神經(jīng)網(wǎng)絡(luò). 利用蟻群算法的并行尋優(yōu)特征和揮發(fā)系 數(shù)方法的自適應(yīng)更改信息量的能力,并以球面聚類的方式確定了徑向基神經(jīng)網(wǎng)絡(luò)中基函數(shù)的位置, 同時通過比較隱層神經(jīng)元的相似性、合并相似性較為接近的2 個神經(jīng)元來約簡隱含層的神經(jīng)元,以 達到簡化徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的目的. 實驗比較了幾種不同聚類算法的徑向基神經(jīng)網(wǎng)絡(luò),結(jié)果表 明,所提神經(jīng)網(wǎng)絡(luò)的整體訓(xùn)練時間至少可縮短40 ％ ,學(xué)習(xí)的準(zhǔn)確率可提高1 ％以上,而且網(wǎng)絡(luò)結(jié)構(gòu) 更加精簡.
標(biāo)簽： 徑向 神經(jīng)網(wǎng)絡(luò) 蟻群聚類 并行
上傳時間： 2013-12-26
上傳用戶：wuyuying
經(jīng)網(wǎng)絡(luò)提出了一種基于蟻群聚類算法的徑向基神經(jīng)網(wǎng)絡(luò). 利用蟻群算法的并行尋優(yōu)特征和揮發(fā)系數(shù)方法的自適應(yīng)更改信息量的能力,并以球面聚類的方式確定了徑向基神經(jīng)網(wǎng)絡(luò)中基函數(shù)的位置, 同時通過比較隱層神經(jīng)元的相似性、合并相似性較為接近的2 個神經(jīng)元來約簡隱含層的神經(jīng)元,以達到簡化徑向
標(biāo)簽： 徑向 神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò) 算法
上傳時間： 2014-01-16
上傳用戶：saharawalker
有監(jiān)督自組織映射-偏最小二乘算法(A supervised self-organising map–partial least squares algorithm),可以用語多變量數(shù)據(jù)的回歸分析
標(biāo)簽： self-organising supervised algorithm partial
上傳時間： 2015-10-22
上傳用戶：hfmm633
使用BDA實現(xiàn)三維模型相關(guān)反饋的算法 注：1、使用本系統(tǒng)必須在本地計算機上安裝matlab 2、算法使用的三維模型特征向量是從PSB模型庫中自動提取的DESIRE三維模型特征向量 3、本系統(tǒng)自帶性能評測機制
標(biāo)簽： matlab DESIRE 三維模型 BDA
上傳時間： 2015-10-22
上傳用戶：181992417
使用LDA實現(xiàn)三維模型相關(guān)反饋的算法注：1、使用本系統(tǒng)必須在本地計算機上安裝matlab 2、算法使用的三維模型特征向量是從PSB模型庫中自動提取的DESIRE三維模型特征向量 3、本系統(tǒng)自帶評測機制
標(biāo)簽： DESIRE matlab 三維模型 LDA
上傳時間： 2015-10-22
上傳用戶：epson850
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
