搜索资源列表
bayes
- bayes数据挖掘；基于贝叶斯定理的分类方法
BayesianNetworksTools
- 贝叶斯网络的一个很好用的工具箱，基于matlab7.0版本。有stanford大学的一个博士生编写；属于源代码开放性质。-Bayesian network of a good toolbox, for matlab7.0 version. Stanford university has a doctoral preparation; Belong to the open nature of the source code.
bayes
- bayes数据挖掘；基于贝叶斯定理的分类方法-Bayes data mining based on Bayesian classification method
ClassficationBaseOnAssociation
- 贝叶斯分类器的改进 在windows 平台下实现；-Improvement of Bayes classfication It is implement in windows.
Bayes_1
- 首先，对CATEGORY中的txt文件分类； 其次，对多个txt文件中的英文文本进行分词； 最后，通过贝叶斯公式进行分类；-First, in the txt file CATEGORY classification Secondly, multiple txt files in English text word Finally, by Bayes formula to be classified
work_for_pattern_recognition
- 通过设计线性分类器；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，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract ef
Bayes-Classifier-Association-Rules
- 朴素贝叶斯分类是一种简单而高效的分类模型，然而条件独立性假设在现实中很少出，致使其性能有所下降。通过引入关联规则，从两方面来改善朴素贝叶斯分类的性能。一方面，通过对关联规则的挖掘，发现条件属性之间的关联关系，并且利用这种关联关系弱化朴素贝叶斯的独立性假设；另一方面，通过关联规则的置信度，给朴素贝叶斯加权。 -Naive Bayesian classifier is a simple and efficient classificatio
Bayes
- 使用Matlab实现，包括一维特征最小错误率bayes分类器；二维特征最小错误率bayes分类器；二维特征最小风险bayes分类器以及使用的数据集合。-Using the Matlab implementation, including the minimum error rate of one-dimensional characteristics of bayes classifier two-dimensional charac
bayesPfisher
- 基于bayes准则和fisher准则的线性分类器。bayes是对细胞的判别分类 分为最小错误率和最小风险两种；fisher是对两类进行判别-Bayes guidelines and criteria based on fisher linear classifier. bayes classification is divided into cells, determine the minimum error rate and mini
Minimum-Bayes-classifier-error-rate
- 这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩
Minimum-Risk-Bayes-classifier
- 这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句
MyBayes
- 2.编写两类正态分布模式的贝叶斯分类程序。 设以下模式类别具有正态概率密度函数： ω1：{(0 0)T, (2 0)T, (2 2)T, (0 2)T} ω2：{(4 4)T, (6 4)T, (6 6)T, (4 6)T} （1）设P(ω1)= P(ω2)=1/2，求这两类模式之间的贝叶斯判别界面的方程式。 （2）绘出判别界面。 3.已知服从正态分布的两类训练样本集分别为 ：，，，，
bayes
- 数据的正态检验和评估，原始样本贝叶斯分类并计算准确率；仿真生成1000个样本的贝叶斯分类及计算准确率；-Normality test and evaluate data, and calculate the original sample Bayesian classification accuracy simulation generated 1000 samples Bayesian classification and calc
Fisher1
- Fisher线性分类器的设计,1、掌握Fisher线性判别方法；2、掌握Bayes决策的错误率的计算；3、掌握分类器错误率的估算方法。 -The design of Fisher.
bayesleastrisk
- baye sleastrisk贝叶斯分类实验，设计简单的线性分类器-bayes leastrisk；bayes leastrisk
PNN网络代码
- 概率神经网络(Probabilistic Neural Network)是由D.F.Speeht博士在1989年首先提出，是径向基网络的一个分支，属于前馈网络的一种。它具有如下优点：学习过程简单、训练速度快；分类更准确，容错性好等。从本质上说，它属于一种有监督的网络分类器，基于贝叶斯最小风险准则。(Probabilistic neural network was first proposed by Dr. D.F.Speeht in 1
patter
- 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(1. take height as an example, d
Beyes
- 实验要求： 1. 以身高为例，画出男女生身高的直方图并做对比； 2. 采用最大似然估计方法，求男女生身高以及体重分布的参数； 3. 采用贝叶斯估计方法，求男女生身高以及体重分布的参数（假定方差已知，作业请注明自己选定的一些参数情况）； 4. 采用最小错误率贝叶斯决策，画出类别判定的决策面。并判断某样本的身高体重分别为(160,45)时应该属于男生还是女生？为(178,70)时呢？(Experimental requirement
bayes_C++
- 贝叶斯分类器-联合变量_C++，只需更改样本文件名即可测试。(The Bias classifier - the joint variable _C++, can be tested only by changing the name of the sample file.)
bayes_analyse
- 基于代价敏感的朴素贝叶斯二分类对于不均衡数据的处理(Cost sensitive naive Bayes two classification for unbalanced data processing)