搜索资源列表
shuzituxiangchulinannong
- 本代码用VC++编写，包含空间转换、向量分析、几何处理、噪声干扰等功能
向量分析
- 向量分析是一本非常好的书。电气及自动化专业的学生必看的书。非常有用。
基于主成份分析的Bagging集成学习方法
- 机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于 此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与 其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在 多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方 法其学
matlab源码
- 改程序介绍了主元向量分析法
matlab 向量程序
- 向量分析法程序
Nr_C
- 书是针对工程上常用的行之有效的算法而编写的C语言函数程序集，在第一版的基础上作了修改和扩充。书中包括了近几年出现的许多新算法。全书分为数值计算与非数值计算两部分。其中数值计算部分的内容包括：线性代数方程组的求解、矩阵运算、矩阵特征值与特征向量的计算、非线性方程与方程组的求解、插值、数值积分、常微分方程（组）的求解、拟合与逼近、数据处理与回归分析、极值问题、数学变换与滤波、特殊函数、随机数的产生、多项式与连分式函数的计算、复数运算；非数值
weka-3-4-4
- 由java开发的软件包，里面有人工智能所用的很多东东，包括神经网络，支持向量机，决策树等分类和回归分析方法，集成化软件哦！-by java development package, which has artificial intelligence used by many of the Eastern, including neural networks, support vector machines, such as decisi
matlab作业
- 模式识别一份很好的作业,包括线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征,支持向量机-a very good operation, including linear classification; Minimum risk Bayesian classifier; Supervised learning method Hierarchical clustering analysis; K-L tran
juzhentezhenxianglian
- 数学分析,高等代数中矩阵特征值和特征向量的求解(C描述)-mathematical analysis, advanced algebra Matrix eigenvalues and eigenvectors of the Solution (C Descr iption)
modelclasify
- C++ 模式识别程序 完成神经网络的向量聚类分析 -C pattern recognition procedures are completed Neural Network Vector Cluster Analysis
eof
- 主成分分析程序，适合做向量场的正交分解 -principal component analysis procedures, suitable for the vector field orthogonal decomposition
multisvm
- 多分类支持向量机实现方法的分析比较：一对一、一对多和DAG的对比，比较专业，-more SVM method of comparison : one-to-one, one-to-many and DAG contrast, more professional-huh
svm_v0[1].55beta.tar
- 用于进行所谓的支持向量机的分析，关键是对信号进行分类，用于处理非线性非平稳信号-used for the so-called support vector machines, the key is the signal classification for handling nonlinear non-stationary signals
rtejfgds
- 现有的代数特征的抽取方法绝大多数采用一维的方法，即首先将图像转换为一维向量，再用主分量分析（PCA）,Fisher线性鉴别分析（LDA）,Fisherfaces式核主分量分析（KPCA）等方法抽取特征，然后用适合的分类器分类。针对一维方法维数过高，计算量大，协方差矩阵常常是奇异矩阵等不足，提出了二维的图像特征抽取方法，计算量小，协方差矩阵一般是可逆的，且识别率较高。-existing algebra feature extraction
RS分析Matlab程序
- 首先将该程序命名为RSana.m保存，以供调用。 在matlab中导入所要分析的时间序列,保存为x。 然后在matlab命令行输入命令logRS=RSana(x,n,"Hurst")。其中x就是该时间序列，它本身就是向量数据;n为分析的时间周期，Hurst是分析方法。返回值logRS。 这里指对一个周期进行分析，返回返回值logRS是一个标量。如果要作log-log图，需要一个循环，分别对n=5:200进行计算
支持向量机
- 数学建模算法、支持向量机以及多元分析算例及源程序(Mathematical modeling algorithm, support vector machine and multivariate analysis example and source program)
仿真神经网络层次分析
- 有关神经网络，随机森林，支持向量机的一些例子还有资料(Some examples of neural networks, random forests, support vector machines and information)
层次分析法求特征值与特征向量
- 层次分析法来求得任何一个矩阵的特征值，特征向量，归一化向量(The analytic hierarchy process (AHP) is used to obtain the eigenvalues, eigenvectors and normalization vectors of any matrix)
用主成分分析法估计出点云中每点的法向量函数
- 用主成分分析法估计出点云中每点的法向量函数，实现平台为matlab(Principal component analysis is used to estimate the normal vector function of every point in point cloud, and the platform is matlab.)
主成分分析
- 使用主成分分析方法降维，输出主成分特征根，单位向量，累计贡献率(Dimensionality reduction by using principal component analysis)