说明:对于一个两类分类问题,当n=100时候,用mvnrnd()函数随机产生两类样本;每一类的样本容量不小于100;2)设计最大似然估计算法对两类类条件概率密度函数进行估计;3)设计非参数估计算法对两类的类条件概率密度进行估计(任选Parzen窗法或kn-近邻法之一),并分析样本数量、窗宽、k等因素对概率...
说明:适合于多分类问题,二分类问题。该源代码的测试数据为常用的数据Iris,测试结果显示该算法的分类正确率极高,能够达到98%。K-最近邻(k-Nearest Neighbour,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相...
说明:bagging 集成算法描述:Bagging是一种把多个不同的弱学习器训练成一个强学习器的集成学习方法Bagging是一种并行训练过程,通过分类测试样本的有放回抽样,获取多个分类测试子样本,通过分类子样本训练T个基分类器,当对每一个实例进行分类时,分别调用这T个基分类器,得到T个结果,最后对分类问题...
说明:假设一个交换系统有M部电话,每个用户在很短的时间(单位时间内)呼叫一次的概率为P;用户间呼入的时刻相互独立,当M很大,P很小时,时间t内到达交换机的呼叫次数构成泊松过程N(t)。 1、确定此泊松过程的参数。利用计算机仿真N(t)的生成过程。注意合理选择M和P,时间分辨率为一个单位时间。 2、为了比...