搜索资源列表
GIZA++.2003-09-30.tar
- GIZA++是德国Och提供的针对统计机器翻译模型的训练工具集。这个工具可以生成IBM统计翻译模型的第4和第5种模型，采用两种方向的训练（比如对同一个语料，从中文到英文和从英文到中文的训练），再配以适当的编码，可以提取出适合基于Phrase的统计机器翻译phrase table来，为后续的工作提供数据支持。
IntrusionDetectionTechnologyBaseonSupportVectorMac
- 本论文将统计学习理论引入入侵检测领域，讨论了基于SVM方法的智能检测 策略，检测算法具有良好的推广能力.引入HVDM距离代替范数，改进了SVM的 RBF核函数定义，使之能够直接处理异构的网络连接信息 利用有保证的估计方法 来确定训练数据集规模，避免了依靠实验选择训练规模的盲目性 针对重复样本 和重要样本提出了样本加权的思路，降低了错分样本的可能 考虑到网络连接记 录的不同属性对检测结果贡献不一的事实，提出了特征选择与特征加权的方法， 进而得到一个更好的分类超平面，提高了检
bayes
- 一个外国网上下下来的分类器程序，需要进行数据训练后才能应用。
wangyfl
- Web页面分类系统，VC++实现的一个系统，包括训练集数据。-Web page classification system, VC++ to achieve a system, including the training set data.
ANN.tar
- Linux下的c语言神经网络实现，内涵网络训练数据以及makefile等编译脚本-This code of ANN is programed in c language under Linux, and contains nessesary scrip for compile,such as makefile
liblinear-cdblock-1.6
- 对于训练数据大于内存的情况，可以选择此软件进行训练-For the training data than the memory of the situation, you can choose to train this software
haarcascades
- 此码源为训练后的人脸和人眼检测数据，可用于进行人脸和人眼检测-This code of face and eye detection data source for after training, can be used for face and eye detection
traffic-condition-identification-
- 建立一个自动识别交通状态的系统，可以实时得到道路交通状况，从而引导交通参与者。系统通过数据采集终端抽样采集交通状况数据，然后经过图像的预处理，即图像的灰度化，通过背景提取算法得到图像背景，然后做背景差，自动阈值分割，形态学滤波等一系列操作，得到二值化图像,并且实现背景更新。然后计算车辆的占路比和车辆的速度这两个交通参数，通过神经网络对大量数据的训练，从而实现自动识别交通状况。-Establish a system to automatically identify traffic state c
master2
- 基于GMM-HMM的语音识别程序,自带训练和测试数据，使用的是MATLAB。-GMM-HMM-based speech recognition program, comes with the training and test data, using MATLAB.
0544424bp1
- BP训练数据，可以使用， BP训练数据，可以使用。-BP training data can be used, BP training data, you can use, BP training data, you can use.
boston
- 通过scikit-learn库利用tf.contrib.learn函数生成三层神经网络模型直接对读入数据进行训练并且对于数据可以进行预测。(Through the scikit-learn library, the tf.contrib.learn function is used to generate three layers of neural network model, and the data is trained directly, and the data can be pred
dtw
- 可以用来实现dtw。在孤立词语音识别中，最为简单有效的方法是采用DTW（Dynamic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别。HMM算法在训练阶段需要提供大量的语音数据，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍然得到广泛的应用。(Can be used to implement DTW)