CNN框架中，如何对其模型的超参数进行自动化获取一直是一个重要问题。提出一种基于改进的贝叶斯优化算法的CNN超参数优化方法。该方法使用改进的汤普森采样方法作为采集函数，利用改进的马尔可夫链蒙特卡罗算法加速训练高斯代理模型。该方法可以在超参数空间不同的CNN框架下进行超参数优化。利用CIFAR-10、MRBI和SVHN测试集对算法进行性能测试，实验结果表明，改进后的CNN超参数优化算法比同类超参数优化算法具有更好的性能。
2022-01-26 20:50:10
999KB
1
用OpenCV进行皮肤检测。皮肤检测用了两种方法（阈值法和贝叶斯统计法），在课件中有详细介绍。使用了OpenCV的鼠标处理来标记皮肤区域，自己写，虽然是一个课堂作业，但还是放上来与大家共享。
2022-01-24 18:45:02
10.42MB
1
数据挖掘实验 实验指导书 决策树模型 线性回归模型 关联规则 贝叶斯分类 共4个实验.pdf
2022-01-17 14:15:36
2.96MB
英国统计公告中的数据可作为牛的季度结核病的二级数据公开获得（至2018年3月的数据）。 数据可用于英格兰的高风险、边缘风险和低风险地区。 在我们的模型中，节点是从有关政府发布的 bTB 政策的文献和可用文件中得出的。 从领域专家和可用文献中得出表明不同节点之间的有效性水平并显示它们之间的因果关系的边，并从现有文献和数据中得出先验概率。 然后，每次向网络添加新信息（证据）时，DBN 都会更新先验概率。
2022-01-16 19:50:50
5KB
1
贝叶斯文本分类实用完整C++代码，超详细注释，有完整的训练和测试数据，有数据转成文本向量的python工具代码，代码在VC6上测试运行无误，能够得到正确的运行效果。。本人课程设计，倾情奉献！
2022-01-15 20:22:26
1.27MB
1
此 MATLAB 练习使用一组四个 MATLAB 程序来训练贝叶斯分类器（使用嵌入低级噪声和杂项声学效果（例如唇拍、砰砰声等）背景中的 11 个语音文件的指定训练集），并将来自独立测试话语的信号帧分类为属于以下三个类别之一： 1. Class 1 – 沉默/背景2. Class 2 – 清音3. Class 3 – 浊音使用 TADSP 第 10.4 节中讨论的贝叶斯统计框架。 每帧信号相关的特征向量由五个短时语音分析参数组成，即： 1. 短时对数能量， 2. 每 10 毫秒间隔短时间过零， 3.单位采样延迟的归一化自相关， 4.第一个预测系数为p = 12极LPC分析， 5. p = 12 LPC 分析的归一化对数预测误差。
2022-01-13 21:57:49
6.14MB
1
本文实例讲述了朴素贝叶斯分类算法原理与Python实现与使用方法。分享给大家供大家参考，具体如下：
朴素贝叶斯分类算法
1、朴素贝叶斯分类算法原理
1.1、概述
贝叶斯分类算法是一大类分类算法的总称
贝叶斯分类算法以样本可能属于某类的概率来作为分类依据
朴素贝叶斯分类算法是贝叶斯分类算法中最简单的一种
注：朴素的意思是条件概率独立性
P(A|x1x2x3x4)=p(A|x1)*p(A|x2)p(A|x3)p(A|x4)则为条件概率独立
P(xy|z)=p(xyz)/p(z)=p(xz)/p(z)*p(yz)/p(z)
1.2、算法思想
朴素贝叶斯的思想是这样的：
如果一个事物在一些属性条件发生
2022-01-13 08:12:45
103KB
1