UCI
共 15 篇文章
UCI 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 15 篇文章，持续更新中。
集成学习的多分类器动态组合方法
为了提高数据的分类性能，提出一种集成学习的多分类器动态组合方法(DEA)。该方法在多个UCI标准数据集上进行测试，并与文中使用的基于Adaboost算法训练出的各个成员分类器的分类效果进行比较，证明了
一种基于频繁模式的时间序列分类框架
<p>摘 要：如何提取和选择时间序列的特征是时间序列分类领域两个重要的问题。该文提出MNOE(Mining Non-</p><p>Overlap Episode)算法计算时间序列中的非重叠频繁模式，并将其作为时间序列特征。基于这些非重叠频繁模式，</p><p>该文提出EGMAMC(Episode Generated Mixed memory Aggregation Markov Chain)模型描
基于改进的混合学习模型的手写阿拉伯数字识别方法
<p>摘 要：在特征空间维数较高的手写阿拉伯数字识别问题中，冗余的特征往往会意外增加学习模型刻画问题空间的</p><p>复杂度，影响手写阿拉伯数字识别的效率和精确度。该文提出了一种基于边界对特征的敏感度值进行特征选择的支</p><p>持向量机树混合学习模型，依据当前中间节点上的分类曲面对子样本空间中的样例特征的敏感程度选择特征，在新</p><p>构建的子样本集上训练子节点上的支持向量机。UCI 机
openwrt深入学习笔记
由浅入深，深入研究OpenWRT开发，包括如何下载源码、如何编译、如何使用uci、如何添加软件包、如何添加内核模块、启动脚本、网络配置、网络相关shell函数、uci相关shell函数、luci框架等等。
基于OPENWRT开源路由器的智能网关系统设计与实现
<p>针对现有家庭网关设备使用过程中出现的诸多问题，本文使用OpenWRT开源路由器技术，结合众多家庭网络中常用传感器设备，组建了一个家庭网络硬件平台，并在此基础上研究了基于OpenWRT无线路由器的智能网关（OWIG）系统的设计与实现。本文首先阐述了家庭网关技术在智能家居解决方案中的应用现状，然后分别介绍了本文中用到的家庭网关技术、开源路由器技术以及LuCI WEB技术。接着，本文探讨了在Ope
两种改进的遗传算法
两种改进的遗传算法（自适应交叉概率的遗传算法，加入领域竞争策略的遗传算法）相比较的matlab程序，基于UCI的两个数据集，可直接运行程序观察效果
关于Logistic回归统计算法的matlab实现
关于Logistic回归统计算法的matlab实现，内容包括建模、输出变量预测和预测误差分析。数据来自UCI数据库中的Ionosphere database，有351个统计实例，输出变量是二分类变量，代表电波从电离层反射的好坏情况，共有32个特征值。(压缩包中包含已经处理好的数据)
uci数据集matalab读入
<p>
已经处理好的uci数据集，可以直接用于matalab程序读入
</p>
Apriori的Java代码
可以运行。很有用的。这几天写论文，我专门实验过的。数据库是UCI里面的任何一个
是UCI数据库中的一些有代表性的数据集
是UCI数据库中的一些有代表性的数据集，用相关软件打开后即可使用
两种改进的遗传算法（自适应交叉概率的遗传算法
两种改进的遗传算法（自适应交叉概率的遗传算法，加入领域竞争策略的遗传算法）相比较的matlab程序，基于UCI的两个数据集，可直接运行程序观察效果。
BP学习算法应用——模式分类 应用动量BP学习算法对UCI提供的经典数据库——鸢尾属植物数据库进行分类
BP学习算法应用——模式分类
应用动量BP学习算法对UCI提供的经典数据库——鸢尾属植物数据库进行分类，速度快，精度高。iris.arff为数据库文件，可用Weka数据挖掘软件打开。Iris.csv为源代码读取的数据文件，通过Weka软件转换得到。
将源文件Iris_classify.m和Iris.csv文件放入matlab的work文件夹中直接运行即可。
著名的数据挖掘测试数据集,由UCI维护提供. adult.data 含１５个属性
著名的数据挖掘测试数据集,由UCI维护提供.
adult.data 含１５个属性，３２５６１个样本．
uci data structure mapper can map uci config sections into custom c data structures automatically b
uci data structure mapper
can map uci config sections into custom c data structures automatically by callbacks
ACPSO-SVR结合的非线性建模预测算法
<span style="color: rgb(0, 0, 0); font-family: 'Trebuchet MS', Arial; line-height: 21px; ">提出一种基于自适应混沌粒子群优化和支持向量机结合的非线性预测建模算法（ACPSO-SVR），引入ACPSO启发式寻优机制对SVR模型的超参数进行自动选取，在超参数取值范围变化较大的情况下，效果明显优于网格式搜索算法。选