搜索资源列表
基于KNN的中文文本自动分类研究
- 在介绍SVM和KNN分类算法的基础上,提出了一种新的、较简单的,但更为合理的基于表模型的文档表示方 法,阐述了一种基于表模型的分类算法———TableKNN算法。通过实验比较TableKNN算法与传统KNN算法应用于文 本分类的效果,证实了TableKNN算法在处理文本分类问题上的优越性。
dd_tools
- ddtool,实现one class classification.包括gaussian 模型， gaussian 混合模型，Parzen density，knn,kmean,kcenter等方法-ddtool, the realization of one class classification. including the Gaussian model, gaussian mixture model, Parzen density
adding_generics-2_4ea
- 实现文本分类 KNN算法 VSN向量容量模型-Text categorization KNN algorithm VSM
Chinese-text-categorization-Study
- 本文通过对Bayes、KNN、SVM 应用于中文文本分类进行比较实验研究。 应用ICTCLAS 对中文文档进行分词，在大维数，多数据情况下应用TFIDF 进行 特征选择，并同时利用它实现了对特征项进行加权处理，使文本库中的每个文本 具有统一的、可处理的结构模型。然后通过三类分类算法实现了对权值数据进行 训练和分类。-Based on the Bayes, KNN, SVM applied
spider20060724
- 机器学习和模式识别工具包spider。内容很丰富。包含svm 决策树（C45,J48）、svm、knn、adaboost、bagging、hmm（隐马尔科夫模型）、随机树（random forest）等-Machine learning and pattern recognition toolkit spider. Very rich in contents. Tree contains svm (C45, J48), svm, knn
image-feature
- 把 SIFT 算法应用在牙齿模型图像上，检测牙齿图像的特征点。 方法：首先采用高斯差分算子 DoG 搜索整个图 像的尺度和位置信息，从而确定具有代表性尺度、方向的特征点。基于其稳定性选择关键点，得到一个详细的模型以确定每个候 选点的合适位置和范围。基于局部图像梯度方向信息将方向矢量和关键点对应起来。在选定范围内的每个关键点周边区域测量 局部图像梯度，并采用 KNN 算法进行特征匹配。 结果：通过大量的实验和与其他特征提取方法
Bag-of-visual-words
- SIFT等局部特征的词袋模型实现。包括K-means聚类，直方图特征的形成，以及KNN分类。-SIFT local features such as word bag model implementation. Including K-means clustering to form histogram features, and KNN classification.
knn
- k最近邻算法:分类和回归。通过对训练集分类训练模型，验证集用于验证数据的准确性。(K nearest neighbor algorithm: classification and regression. Through the training set classification training model, the verification set is used to verify the accuracy of the dat
sklearn-tree-BN-knn
- 分类器的性能比较与调优: 使用scikit-learn 包中的tree，贝叶斯，knn，对数据进行模型训练，尽量了解其原理及运用。 使用不同分析三种分类器在实验中的性能比较，分析它们的特点。 本实验采用的数据集为house与segment。(Performance comparison and optimization of classifiers: We use tree, Bayesian and KNN in scikit
kddcup99-master
- 基于knn算法的入侵检测模型,利用python代码实现，包含了源代码，测试集，和训练集。(This is a python file)
KNN
- 一个简单好用的KNN算法程序，只需要输入训练集和对应的标签就可以得到想要的模型并进行测试集的预测(A simple and easy-to-use KNN algorithm program only needs to input the training set and corresponding tags to get the desired model and predict the test set)
svm-knn
- svm与knn组合模型的matlab实现(Matlab implementation of SVM and KNN combined model)