基于卷积神经网络的心律失常自动分类关键技术研究_李嘉.caj

将PDF按图幅（页面）大小自动分类的程序1.1（宽松筛选版） 宽松筛选版：幅面≤A4，一律视为A4；A4＜幅面≤A3，一律视为A3；A3＜幅面≤A2，一律视为A2；A2＜幅面≤A1，一律视为A1；其余一律视为A0；

自动识别多个PDF文件的页面是A0、A1、A2、A3还是A4的，并以此自动分类。

之前的最好资源描述如下： svmcls 2.0文本自动分类器支持中文和英文文档，特征选择方式包括全局和按类别选取，概率估算方法支持基于文档（布尔）统计和基于词频统计，支持三种特征加权方式，特征评估函数包括信息增益、互信息、期望交叉熵、X^2统计，文本证据权重，右半信息增益，分类方法包括支持向量机SVM和K近邻KNN，由李荣陆老师于2004年开发完成。 网上流传很多版本的svmcls文本分类程序，但几乎全部都是不能编译通过的，有些是缺少xercesc文件夹，有些是缺少xerces-c_2_2_0D.dll，有些是缺少分词程序和数据导致分词程序初始化失败，还有的缺少直接训练测试的语料库。 本人经过整理和编译测试，保证本压缩包解压后不仅有可以直接使用的.exe程序，而且所包含的源代码可以编译通过。可供广大学者研究使用。 ============================================ 此次发布改进： 1 增加了此前版本仍缺少的xerces-c_2_2_0.dll； 2 将Feather改为Feature，意为特征； 3 此版本最大的改进是可以编译Release版，此前版本不能。 4 编译Release版时，需要把xerces文件夹置于vc的include目录下，并在在Link设置页面加入2个lib文件。 5 此版本为完整版，并用winrar进行了最大压缩。 特别说明： 感谢李荣陆老师无私共享。

简书代码

一篇心电信号识别和分类的论文。定义并提取了基于时域特征、小波域特征和高阶统计量特征等三大类心电特征参数，将一次性直接求解多类模式的 SVM 方法应用于心电信号分类。

乳腺癌病理图像的自动分类具有重要的临床应用价值。基于人工提取特征的分类算法，存在需要专业领域 知 识 、耗 时 费 力 、提 取 高 质 量 特 征 困 难 等 问 题 。 为 此 ，采 用 一 种 改 进 的 深 度 卷 积 神 经 网 络 模 型 ，实 现 了 乳 腺 癌 病 理 图 像的自动分类;同时，利用数据增强和迁移学习方法，有效避免了深度学习模型受样本量限制时易出现的过拟合问 题。实验结果表明，该方法的识别率可达到 91%，且具有较好的鲁棒性和泛化性

基于vc++的SVM源代码，可以轻松实现自动分类（如文本自动分类）、回归分析等。 SVM（支持向量机）拥有完美的数学基础。

利用knn算法实现了一个中文网页自动分类器， 包括网页预处理，ictclas中文分词，基于tf-idf的文本特征表示，基于df的特征选取和基于knn的分类算法，最后通过struts2框架web发布

基于svm的中文文本自动分类系统的语料库, 包含了17类， 全部都是自己爬的. 详情：http://blog.csdn.net/yinchuandong2/article/details/17717449