研究Pascal矩阵谱半径及其对应特征向量的数值求解算法问题,利用幂法和Pascal矩阵的性质给出了一个有效的迭代求解算法,该算法每一步迭代只用到浮点数的加法运算。同时数值实验显示,该算法具有较高的精度和较快的收敛速度。
2022-05-13 16:05:07
561KB
1
维度灾难是机器学习任务中的常见问题，特征选择算法能够从原始数据集中选取出最优特征子集，降低特征维度.提出一种混合式特征选择算法，首先用卡方检验和过滤式方法选择重要特征子集并进行标准化缩放，再用序列后向选择算法（SBS）与支持向量机（SVM）包裹的SBS-SVM算法选择最优特征子集，实现分类性能最大化并有效降低特征数量.实验中，将包裹阶段的SBS-SVM与其他两种算法在3个经典数据集上进行测试，结果表明，SBS-SVM算法在分类性能和泛化能力方面均具有较好的表现.
2022-05-13 15:05:33
1.2MB
1
【RVM分类】基于麻雀搜索算法优化相关向量机实现数据分类附matlab代码
2022-05-13 11:56:28
526KB
1
很好用的有关矩阵的各种操作，包括求逆，特征值，特征向量，svd分解等c++语言
2022-05-12 16:46:13
15KB
1
PICKPEAKS 类似于 MATLAB 的 FINDPEAKS； 它返回输入 X 的局部峰值及其索引。主要区别在于 PICKPEAKS - 更快（对于大向量要快得多）， - 允许 X 是一个 2D 矩阵（不仅仅是一个向量），并且用户可以指定跨哪个维度寻找峰值。 - 选择波峰或波谷。 - 不提供 FINDPEAKS 选项“THRESHOLD”。 - 不提供 FINDPEAKS' 选项：'MINPEAKHEIGHT'、'NPEAKS'、'SORTSTR'。 这些可以通过操纵输出轻松实现。 例如，如果 Vo、Io 是 PICKPEAKS 的输出，则以下将产生与将 'MINPEAKHEIGHT' 设置为 0.5 相同的结果： 我 = 发现（Vo<0.5）； Vo(i) = []; io(i) = [];
语法是[Vo,Io] = PICKPEAKS(X,npts,dim,mode);
用法
2022-05-11 18:12:46
3KB
1