<strike id="kgawe"></strike>
內(nèi)容提要第1章 機(jī)器學(xué)習(xí)概1.1 機(jī)器學(xué)習(xí)簡(jiǎn)介 1.1.1 機(jī)器學(xué)習(xí)簡(jiǎn)史 1.1.2 機(jī)器學(xué)習(xí)主要流派 1.2 機(jī)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(jī)器學(xué)習(xí)、人工智1.3 典型機(jī)器學(xué)習(xí)應(yīng)用1.4 機(jī)器學(xué)習(xí)算法 1.5 機(jī)器學(xué)習(xí)的一般流程 第2章 機(jī)器學(xué)習(xí)基本2.1 統(tǒng)計(jì)分析2.1.1 統(tǒng)計(jì)基礎(chǔ)2.1.2 常見(jiàn)概率分布2.1.3 參數(shù)估計(jì)2.1.4 假設(shè)檢驗(yàn)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(jiàn)術(shù)語(yǔ)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(jiàn)的可視化圖表 2.5.5 可視化分析面臨的挑戰(zhàn)
標(biāo)簽： 機(jī)器學(xué)習(xí)
上傳時(shí)間： 2022-06-16
上傳用戶：
傳統(tǒng)多模態(tài)生物特征識(shí)別方法當(dāng)出現(xiàn)生物特征缺失時(shí)，識(shí)別性能會(huì)明顯下降。針對(duì)此問(wèn)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(shí)別方法。該方法在設(shè)計(jì)融合策略時(shí)，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(shí)際應(yīng)用時(shí)根據(jù)輸入狀態(tài)自適應(yīng)的選擇融合策略進(jìn)行識(shí)別。實(shí)驗(yàn)仿真結(jié)果表明該方法既可提高識(shí)別可靠性又可實(shí)現(xiàn)當(dāng)有生物特征缺失時(shí)的性能穩(wěn)定。
標(biāo)簽： 并行 多模 生物特征識(shí)別
上傳時(shí)間： 2013-11-02
上傳用戶：huangld
一個(gè)ping , html ,ftp 三功能合一的網(wǎng)路程式源代碼 , 我是來(lái)自臺(tái)灣的朋友 , 謝謝 :)
標(biāo)簽： ping html ftp 合一
上傳時(shí)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(kù)記錄直接映射為XML文件的程序依賴包，很不錯(cuò)。
標(biāo)簽： oracle8i Oracle oracle XML
上傳時(shí)間： 2015-03-30
上傳用戶：dave520l
利用c＋＋開(kāi)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(shí)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(shí)通過(guò)比較隱層神經(jīng)元的相似性、合并相似性較為接近的2 個(gè)神經(jīng)元來(lái)約簡(jiǎn)隱含層的神經(jīng)元,以 達(dá)到簡(jiǎn)化徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的目的. 實(shí)驗(yàn)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(shí)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(jiǎn).
標(biāo)簽： 徑向 神經(jīng)網(wǎng)絡(luò) 蟻群聚類 并行
上傳時(shí)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(shí)通過(guò)比較隱層神經(jīng)元的相似性、合并相似性較為接近的2 個(gè)神經(jīng)元來(lái)約簡(jiǎn)隱含層的神經(jīng)元,以達(dá)到簡(jiǎn)化徑向
標(biāo)簽： 徑向 神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò) 算法
上傳時(shí)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(yǔ)多變量數(shù)據(jù)的回歸分析
標(biāo)簽： self-organising supervised algorithm partial
上傳時(shí)間： 2015-10-22
上傳用戶：hfmm633
使用BDA實(shí)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(jì)算機(jī)上安裝matlab 2、算法使用的三維模型特征向量是從PSB模型庫(kù)中自動(dòng)提取的DESIRE三維模型特征向量 3、本系統(tǒng)自帶性能評(píng)測(cè)機(jī)制
標(biāo)簽： matlab DESIRE 三維模型 BDA
上傳用戶：181992417
使用LDA實(shí)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(jì)算機(jī)上安裝matlab 2、算法使用的三維模型特征向量是從PSB模型庫(kù)中自動(dòng)提取的DESIRE三維模型特征向量 3、本系統(tǒng)自帶評(píng)測(cè)機(jī)制
標(biāo)簽： DESIRE matlab 三維模型 LDA
上傳用戶：epson850
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
