针对传统的过采样算法在增加样本的同时可能使决策域变小和噪声点增加的问题进行了研究，提出了一种基于错分的混合采样算法。该算法是以SVM为元分类器，AdaBoost算法进行迭代，对每次错分的样本点根据其空间近邻关系，采取一种改进的混合采样策略：对噪声样本直接删除；对危险样本约除其近邻中的正类样本；对安全样本则采用SMOTE算法合成新样本并加入到新的训练集中重新训练学习。在实际数据集上进行实验，并与SMOTE-SVM和AdaBoost-SVM-OBMS算法进行比较，实验结果表明该算法能够有效地提高负类的分类准确率。

离散Hopfield神经网络的分类——高校科研能力评价matlab代码

国家转换器 国家/地区转换器（coco）是一个Python软件包，用于在不同类别之间和不同命名版本之间转换和匹配国家/地区名称。 在内部，它使用正则表达式匹配国家/地区名称。 Coco还可以用于在不同分类方案之间建立聚合一致性矩阵。 目录 建立国家汇总的一致性 分类方案 数据来源和进一步阅读 沟通，问题，错误和增强 贡献 相关软件 引用国家转换器 致谢 动机 迄今为止，在（元）数据描述中还没有关于如何命名或指定各个国家的单一标准。 尽管某些数据源遵循ISO 3166，但该标准除数字分类外还定义了两个字母和三个字母的代码。 为了使问题进一步复杂化，许多数据库没有使用现有标准之一，而是使用未标准化的国家/地区名称对国家/地区进行分类。 国家/地区转换器（coco）可自动执行来自不同标准和版本的国家/地区名称的转换。 在内部，coco是基于一个表格的，该表格指定了每个国家/地区不同的IS

matlab开发-InterleavedBuckConverter。交错降压变换器具有低开关损耗和提高的降压变换比。

基于python inference 、ResNet实现的图像分类

MATLAB首先对语音进行不同的非线性自适应时频分析的去噪，然后提取MFCC、GFCC、LPCC等特征，最后通过随机森林，对音标进行分类注1：音频文件数据集；注2：一行代码自动添加文件和子文件到路径；

EfficientNet_classification。EfficientNet在pytorch框架下实现图像分类，拿走即用。该文件包含python语言编写的model文件、my_dataset文件、predict文件、train文件、配置文件等。能够实现训练自己的数据集进行图像分类，以及对训练后的网络进行测试。EfficientNet利用NAS(Neural Architecture Search)搜索技术，将输入分辨率，网络的深度、宽度三者同时考虑，搭建更nice的网络结构。EfficientNet-B0的网络框架，总体看，分成了9个Stage：Stage1 是一个卷积核大小为3x3，步距为2的普通卷积层（包含BN和激活函数Swish）；Stage2～Stage8 是在重复堆叠 MBConv 结构；Stage9 是一个普通的1x1的卷积层(包含BN和激活函数Swish) + 一个平均池化层 + 一个全连接层组成

本文实例为大家分享了Android仿京东左侧分类条目效果的具体代码，供大家参考，具体内容如下 import android.app.Activity; import android.os.Bundle; import android.view.View; import android.widget.LinearLayout; import android.widget.ScrollView; import android.widget.TextView; import com.frame.R; import java.util.ArrayList; import java.util.Li

ELM极限学习实现花的分类（MATLAB源码+数据集+预测结果），训练集40个样本，测试集10个样本，测试集最高准确率可达100%，可以根据自己的需求更换数据集对自己的研究内容进行一个替换，测试此文方法的预测效果。

模糊C均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab平台、采用模糊C均值聚类对遥感影像进行分类,并运用混淆矩阵对分类结果进行了精度评定。实验结果表明,基于模糊C均值聚类使得分类后的图像很好地区分了地物类别,取得了较好效果。