介绍
用Matlab从头开始编写的高斯混合模型分类器，用于学校作业。
学习阶段包括对学习数据的 PCA 和经典的 EM 算法。
MNIST
数据库用于测试分类器。 它使用每类 8 个组件成功识别高达 97.87% 的测试数据。
2021-10-26 10:50:00
13.94MB
1
Sliding-Window-Face-Detection-Based-on-HOG-features-and-SVM-Classifier
Update: data数据百度网盘
链接：
提取码：0amu
复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享
Update: vlfeat库
链接：
提取码：p31i
复制这段内容后打开百度网盘手机App，操作更方便哦--来自百度网盘超级会员V4的分享
注意：
进行该实验前需要安装vlfeat库，安装方法为：
a）下载 VLFeat 的安装包在其解压到任意目录下。
b）在 matlab 中新建 startup.m 文件
c）在 startup.m 文件中输入 run('......\vlfeat-0.9.21\toolbox\vl_setup')并运行，即可安装
d）在 matlab 命令行中输入 vl_ver
2021-10-23 10:30:40
74.93MB
1
深度XGBoost图像分类器
对于这个项目，我开发了用于图像分类的CNN-XGBoost模型。 这个想法是在分类时利用CNN的特征提取功能和XGBoost的准确性。 我将使用CIFAR-10数据集，并将在三种不同的CNN架构上测试混合模型。 基线CNN架构，VGG16架构和ResNet架构。
2021-10-22 00:24:55
1.95MB
1
数据融合matlab代码TimeSeries_Classifier
使用神经网络和SVM对时间序列/顺序数据进行分类
使用前馈网络（具有递归神经网络扩展）和支持向量机算法对时间序列模式进行分类时的比较
语：
Matlab的
代码：
神经网络（具有RNN扩展的前馈）：
支持向量机（SVM）
资料集：
2021-10-12 15:40:30
4KB
1
使用自动编码器神经网络检测恶意URL
该存储库包含使用自动编码器神经网络检测恶意URL的代码源。 中提供了有关其工作原理的文章。
要构建和测试模型，可以运行：
$ python train_and_test_urls_autoencoder.py
如果您想生成新的丰富数据，可以运行：
$ python enrich_urls_data.py
2021-10-07 11:13:06
13.19MB
1
matlab灰色关联度代码Matlab中模式识别的白内障分类器
利用Matlab中的模式识别神经网络将视网膜眼底彩色图像分类为各种类型的白内障。
对数据集图像进行预处理，以提取训练神经网络所需的特征。
首先将图像转换为绿色通道，以获得细节之间的最大对比度。
然后对这些图像进行上下帽子转换，然后进行对比度校正和滤波，以获得用于特征提取的最佳图像。
从每个图像的灰度共生矩阵中提取对比度，相关性，同质性和能量这四个特征。
总共处理了51张图像以进行特征提取和训练。
利用Matlab中的NPR工具箱将这些特征用于训练具有10个隐藏神经元的反向传播神经网络，并绘制混淆矩阵和ROC特性以分析训练后的神经网络的效率。
最终使用Matlab的GUIDE工具箱将该神经网络合并到图形用户界面中。
该应用程序能够将白内障的程度分为三类，即轻度，中度和严重。
PS：所有文件均为matlab代码文件说明：prefeat-用于图像预处理和特征提取的代码。
数据集-包含提取的特征矩阵和用于训练神经网络的目标矩阵。
Trainer-用于使用给定数据集训练神经网络的代码。
retinalCataractClassifi
2021-10-05 12:50:53
48KB
1
SKNet-Pytorch
近乎完美且易于理解的PyTorch实现
我使用PyTorch重新实现了SKNET。 尽管有许多SKNET的PyTorch实现，但是它们与原始论文中描述的实现不同，并且我很难理解它们的实现。 所以我做了。
选择性核卷积
请参阅以了解选择性内核卷积的实现
参考
论文：
论文：
资料库：
资料库：
存储库：
待办事项清单
使用Resnet-18在CIFAR100上进行实验
2021-09-27 08:58:05
303KB
1
情绪分类器，用于对新闻中与股票市场相关的语料库的情绪进行分类。
相关文章可以在找到
2021-09-17 17:24:57
3.72MB
1
网课：PyTorch深度学习实践 - Lecture_13_RNN Classifier 姓名国别分类数据
2021-09-10 16:47:29
76KB
1
1、run_cnews_classifier.py 原生bert实现的文本分类
原文链接：
2、run_tnews_classifier.py 基于keras_bert实现的文本分类
原文链接：
3、run_lcqmc_similarity.py 基于bert4keras实现的文本相似度计算
原文链接：
4、run_kashgari_classifier.py 基于kashgari实现的文本分类
原文链接：
5、run_ChineseDailyNerCorpus.py 基于kashgari + bert/albert实现的ner
原文链接：
6、Bert_Train.py 基于bert训练模型，并保存为pb格式
原文链接：
7、Bert_Predict.py requests调用tf serving中的bert模型
原文链接：
8、fastbert.py 基于fastbert实现文本分类
2021-09-09 19:11:30
6.44MB
1