当前位置：
首页 资源下载
搜索资源 - rough classification
搜索资源列表
-
0下载：
提出了一种基于样本的分级检索
MPEG 视频的新方法:首先用I 帧的dct_dc_size 字段快速粗检,然后用断层摄影(tomography)法分析B 帧运动矢
量的时空分布特性以进一步缩小结果集,最后用DC 图像的精确匹配方法验证检索结果.试验结果表明,本方法
所需计算量较小,且可保证较高的检索精度.-presents a sample classification based on MPEG video retrieval of the new method : First o
-
-
0下载：
基于粗糙集理论和BP神经网络的分层递阶分类算法。-based on rough set theory and neural networks hierarchical classification algorithm.
-
-
0下载：
人脸检测源代码. The souce demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN rough face prefiltering, PCA/LDA/ICA/any dimensionality reduct
-
-
1下载：
粗糙集工具箱 可以进行粗糙集上下近似集的计算，重要度等等 属性约简 决策分类-Toolbox rough sets rough sets can calculate the upper and lower approximations, importance, etc., etc. Classification Decision Attribute Reduction
-
-
0下载：
Rose2里含有好多粗糙集的算法，可以实现数据预处理约简，求关联规则，求聚类和分类，非常实用。-Rose2 contains a lot of rough set algorithm, can achieve reduction of data preprocessing, find association rules, clustering and classification requirements, very practical.
-
-
0下载：
粗糙集是一种数据预处理算法，可以用遗传算法对其进行优化。是很好的分类算法-Rough set is a data pre-processing algorithm, genetic algorithm can be used for its optimization. Is a good classification algorithm
-
-
1下载：
关联规则挖掘的研究工作主要包括：Apriori算法的扩展、数量关联规则挖掘、关联规则增量式更新、无须生成候选项目集的关联规则挖掘、最大频繁项目集挖掘、约束性关联规则挖掘以及并行及分布关联规则挖掘算法等，其中快速挖掘与更新频繁项目集是关联规则挖掘研究的重点，也是多种数据挖掘应用中的技术关键，已用于分类规则挖掘和网络入侵检测等方面的研究。研究者还对数据挖掘的理论进行了有益的探索，将概念格和粗糙集应用于关联规则挖掘中，获得了显著的效果。到目前为止，关联规则的挖掘已经取得了令人瞩目的成绩，包括：单机环境
-
-
0下载：
对于阵地的生存概率计算, 可以使用文献1 中的解析公式作粗略估算, 具体方法为, 把整个阵地看作一
个点目标, 即以阵地的中心作为攻击点。求解出某型弹对阵地的破坏半径, 代入解析式即可。但在实际情况
下, 相对于来袭武器的破坏半径, 把阵地看作点目标必然引起很大的误差。所以, 本文拟用层次分析法对阵地
这个系统进行可能受到攻击的目标分类, 按各分项指标的重要性得出系统的生存概率-Probability of survival for the position calculation,
-
-
0下载：
Chesnokov Yuriy写的人脸检测库，内容涵盖肤色检测、运动估计、SVM分类、PCA/LDA/ICA特征提取以及神经网络分类器等。-The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN
-
-
0下载：
可嵌入weka 的粗糙集分类算法程序
-Can be embedded in the rough set classification algorithm weka program
-
-
0下载：
在基于特征提取方法之上, 研究用算法对目标多视角问题进行分类器设计。在对
图像进行独立成分分析后, 针对多姿态角目标识别问题, 提出了角度优先粗分类的设计方法-Feature extraction method based on above research objective of the algorithm to classify multi-view design problem. In the right image independent component analysis, t
-
-
0下载：
基于、的特征提取方法, 研究、算法的多角度分类器设计问
题在对图像进行主成分分析和独立成分分析后, 针对多姿态角目标识别问题, 提出了角度优先粗分
类的设计方法, 并给出系统流程, 最后-Based, feature extraction methods, research, multi-angle algorithms classifier design problem in the image principal component analysis and independent
-
-
0下载：
基于近似域划分的可变离散精度粗逻辑网络及其遥感图像分类应用-Based on approximate discrete domain into the variable precision rough logic networks and their application of remote sensing image classification
-
-
0下载：
一种适用于模式分类的模糊粗隶属函数神经网络-One for pattern classification of fuzzy-rough membership function neural network
-
-
0下载：
The article demonstrates face detection SSE optimized C++ library for color and gray scale data with skin detection, motion estimation for faster processing, small sized SVM and NN rough face prefiltering, PCA/LDA/ICA/any dimensionality reduction/pro
-
-
0下载：
关键词:文本分类 特征降维 规则抽取 模式聚合 粗糙集
-Keywords: text classification feature dimension reduction rule extraction model aggregation rough set
-
-
1下载：
基于粗糙集的图像语义自动标注分类算法代码-Image semantic auto-tagging based on rough set classification algorithm code
-
-
1下载：
图像场景分类中视觉词包分类的应用与操作代码-Review of the bag-of-visual-words models in image scene classification
-
-
1下载：
基于粗糙集的分类规则提取和分类规则约简。首先进行粗糙分类器训练，然后将复杂的分类规则降维成简单的分类规则，但分类精度不变。-Rough classification learning rules are trained and extracted based on rough sets and complex classification rules are dimensionally reduced into simple classification rules, but the class
-
-
6下载：
这是天津大学胡清华老师在粗糙集邻域领域做的最经典的源码，同学们可以在此基础上学习和修改，入口程序已经写好，需要其他方法可以自己添加，MAIN.m是入口程序，参数的意思在子函数里讲的很明白，调用了featureselect_FW_fast.m用来属性约简，几个clsf_dpd文件是使用不同的距离公式来计算属性重要度，选择得到属性结果，使用crossvalidate.m十折交叉算法来计算计算算法精度，该段代码调用了几个分类器，C4_5.m是决策树，KNN.m是最近邻分类器，NEC.m是类似于KNN的
-
