搜索资源列表
linear_CTSSVM
- 基于分段函数的支持向量分类机，使用BFGS算法进行求解-Piecewise-based support vector machine, using BFGS algorithm to solve
ctssvm--bfgs
- 对无约束的优化模型利用BFGS算法进行求解-For unconstrained optimization model uses BFGS algorithm to solve
DeepLearning-master
- 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。[1] 深度学习的概念由Hinton等人于2006年提出。基于深信度网(DBN)提出非监督贪心逐层训练算法，为解决深层结构相关的优化难题带来希望，随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法，它利用空间相对关系减少参数数目以提高训练性能。[1] 深度学习是机器
TSP_GA
- solve the TSP problem by GA
extrema
- 解决EMD分解后端点不正确的现象，该算法能有效解决这一问题-EMD decomposition procedure to solve the problem endpoint, can effectively solve the endpoint of decomposition phenomenon incorrect
clsf_dpd1
- 基于粗糙集和遗传算法的属性约简，包含核及不可区分关系等求解-Attribute reduction based on rough sets and genetic algorithm, including nuclear and indistinguishable relationship to solve
Kaggle_Titanic-master
- 利用逻辑回归解决Kaggle泰坦尼克之灾 -Logistic regression to solve Kaggle Titanic disaster python code
TSP
- 用遗传算法解决旅行商问题，注释比较详尽，便于理解-Solve the traveling salesman problem using genetic algorithms, more detailed notes, easy to understand
P1-s2.0-S0957417410001107-main
- Business cycle predictions face various sources of uncertainty and imprecision. The uncertainty is usually linguistically determined by the beliefs of decision makers. Thus, the fuzzy set theory is ideally suited to depict vague and uncertain feature
svmMLiA
- 支持向量机是最常用的一种分类器，它通过求解一个二次优化问题来最大化分类间隔，本例采用的SMO算法，可以大大优化运行-Support vector machine is the most commonly used classifier, it can be used to solve a two optimization problem to maximize the classification interval, this example uses the SMO algorithm, ca
Naive-bayes
- 本文以拼写检查作为例子，讲解Naive Bayes分类器是如何实现的。对于用户输入的一个单词（words），拼写检查试图推断出最有可能的那个正确单词（correct）。当然，输入的单词有可能本身就是正确的。比如，输入的单词thew，用户有可能是想输入the，也有可能是想输入thaw。为了解决这个问题，Naive Bayes分类器采用了后验概率P(c|w)来解决这个问题。P(c|w)表示在发生了w的情况下推断出c的概率。为了找出最有可能c，应找出有最大值的P(c|w)，即求解问题-In this
svm-classification
- 此文件是利用支持向量机解决分类预测问题的一个简单的例子-This document is a simple example of using support vector machines to solve classification prediction problems
Spark快速大数据分析
- 利用Python和Spark进行海量数据的实时分析，解决商业方案(Using Python and Spark to do real-time analysis of mass data, and to solve business solutions)
退火算法
- 利用退火算法解决最优化问题，如最多带物品的质量为M，每件物品的质量为mi，价格为yi，怎么做才能带走价值最多的物品？(Annealing algorithm to solve the optimization problem, such as the maximum quality of goods with M, the quality of each item is Mi, the price is Yi, how to do to take away the most valuable i
larer-solve
- 超长整形数据计算程序,达到128位,同时计算速度进行了优化()
solve-hovk-development
- 三个排序算法合并的源程序,用C语言做的,用主函数分别调用,是排序章节的实验!()
EM 算法
- 用EM算法求解高斯混合模型并可视化，数据是男女生的身高分布，前提是初始化男女生身高各自的均值和方差和比例，然后由EM算法求解，男女生身高的均值方差，以拟合数据。(The EM algorithm is used to solve the Gauss mixture model and visualize. The data is the height distribution of male and female. The premise is to initialize the mean, v