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...

matlab EnsembleLearning

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：Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器(弱分类器)，然后把这 些弱分类器集合起来，构成一个更强的最终分类器(强分类器)。其算法本身是通过改变数据分布来实现的，它根据每次训练集之中每个样本的分类是否正确，以及上次的总体分类的准确率，来确定每个样本的权值。将修改过权...

matlab 代码 程序

说明：支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表 基本情况　Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分...

matlab svm 训练 机器 学习方法

说明：基于HOG+SVM对飞机目标进行识别，并加入显著图改善运行速率， 主要程序： data_train.m  训练样本并产生SVM分类器svmStruct detect.m      机场影像块飞机目标检测 hogcalculator.m 计算HOG特征函数 neg.txt    ...

说明：  KNN 算法其实简单的说就是“物以类聚”，也就是将新的没有被分类的点分类为周围的点中大多数属于的类。它采用测量不同特征值之间的距离方法进行分类，思想很简单：如果一个样本的特征空间中最为临近（欧式距离进行判断）的K个点大都属于某一个类，那么该样本就属于这个类。这就是物以类聚的思想。

说明：系统概况及实施细则特征提取。您可以使用以下两种方法之一：地区按你的一滴从探测器1的分配产生。另外，这里是一个Matlab代码的例子多尺度BLOB探测器，类似于你有什么样的分配1来实现。当设置探测器的参数，确保你每幅图像得到至少几百地区。特征描述。使用此代码为计算圆形区域，如从分配1的说明，其中斑点检...

matlab 项目

说明：该程序实现了双变量高斯核密度估计。它可以用于估计双变量概率函数，累积分布函数（CDF）和反演CDF（ICDF）。核密度估计在估计边界区域的时候会出现边界效应。在单变量核密度估计的基础上，可以建立风险价值的预测模型。通过对核密度估计变异系数的加权处理，可以建立不同的风险价值的预测模型。由给定样本点集合...

matlab 估计 密度 变量

说明：模糊K-均值算法由K-均值算法派生而来。K-均值算法在聚类过程中，每次得到的结果虽然不一定是预期的结果，但类别之间的边界是明确的，聚类中心根据各类当前具有的样本进行修改。模糊K-均值算法在聚类过程中，每次得到的类别边界仍是模糊的，每类聚类中心的修改都需要用到所有样本，此外聚类准则也体现了模糊性。模糊...

matlab 算法 实现 模糊 及其 均值

说明：人工智能神经网络源程序代码产生指定类别的样本点，并在图中绘出 限制类中心的范围 指定类别数目 每一类的标准差 设置神经元数目为5得到网络权值，并在图上绘出 得到训练后的网络权值，并在图上绘出 随机生成1000个二维向量，作为样本，并绘出其分布 建立网络，得到初始权值 分别对不同的步长，训练网络，绘...