搜索结果
找到约 18,850 项符合
多分类 的查询结果
按分类筛选
- 全部分类
- 人工智能/神经网络 (35)
- 其他 (31)
- 技术资料 (26)
- 学术论文 (22)
- Java编程 (17)
- matlab例程 (16)
- 单片机编程 (15)
- 教育系统应用 (6)
- 数值算法/人工智能 (6)
- 源码 (6)
- 其他行业 (5)
- 模拟电子 (4)
- 书籍源码 (4)
- 企业管理 (4)
- 多国语言处理 (4)
- Jsp/Servlet (4)
- 数据结构 (4)
- 系统设计方案 (4)
- 其他书籍 (4)
- Internet/网络编程 (4)
- Java书籍 (3)
- 文章/文档 (3)
- 软件设计/软件工程 (3)
- 汇编语言 (3)
- 其他数据库 (3)
- OA系统 (3)
- VC书籍 (3)
- 压缩解压 (3)
- 电子书籍 (3)
- 可编程逻辑 (2)
- 家庭/个人应用 (2)
- 软件工程 (2)
- J2ME (2)
- Linux/Unix编程 (2)
- 编辑器/阅读器 (2)
- 数学计算 (2)
- SCSI/ASPI (2)
- 加密解密 (2)
- 通讯编程文档 (2)
- PCB相关 (1)
- 教程资料 (1)
- 通信网络 (1)
- 传感与控制 (1)
- 机械电子 (1)
- 开发工具 (1)
- 工控技术 (1)
- 电子政务应用 (1)
- 百货/超市行业 (1)
- 编译器/解释器 (1)
- Delphi控件源码 (1)
- 认证考试资料 (1)
- Ajax (1)
- 单片机开发 (1)
- 文件格式 (1)
- VHDL/FPGA/Verilog (1)
- 通讯/手机编程 (1)
- 嵌入式/单片机编程 (1)
- JavaScript (1)
- 行业发展研究 (1)
- Windows CE (1)
- 软件测试 (1)
- 数据库系统 (1)
- 行业应用 (1)
- 教材/考试/认证 (1)
- 图形图像 (1)
- 软件 (1)
- VIP专区 (1)
- 精品软件 (1)
人工智能/神经网络 SVM Light的多分类源代码
SVM Light的多分类源代码,尤其是可用来做文本分类。SVM(支持向量机)方法是目前已知的最优秀的分类方法之一。SVM不仅可以用来分类,也可以用来做回归。
文章/文档 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
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,
matlab例程 svm在matlab环境下多类分类中的一对多分类器类型程序
svm在matlab环境下多类分类中的一对多分类器类型程序
人工智能/神经网络 一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题:该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样
一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题:该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样本进行训练,获得回归分类器,希望对大家有用! ...
数值算法/人工智能 基于MATLAB编写的SVM多分类算法程序
基于MATLAB编写的SVM多分类算法程序
人工智能/神经网络 支持向量机用于多分类问题的程序,可以较好地运行.
支持向量机用于多分类问题的程序,可以较好地运行.
人工智能/神经网络 这是我自己编的一个基于svm的多分类程序
这是我自己编的一个基于svm的多分类程序,但并不是很成功,还望看了给予指点。
人工智能/神经网络 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运
目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成 ...
其他书籍 基于多分类器动态组合的手写体数字识别硕士论文
基于多分类器动态组合的手写体数字识别硕士论文,可供参考
matlab例程 用于三分类的bp算法matlab程序 下面是一个两概念(一个三角形和一个矩形)学习的例子
用于三分类的bp算法matlab程序
下面是一个两概念(一个三角形和一个矩形)学习的例子,是一个典型的多分类例子
分类结果的正确率可通过训练网络进一步提高