NET 的结构在“RVFLNs 的综合评估”中有描述张乐，PN Suganthan，信息科学学习系统在“Modified BP Algorithm”、Verma BK 和穆拉卡 JJ, 1994 这两种方法在这些代码中结合
2022-04-28 22:13:38
3KB
1
易康的操作指南，算是实用型的，希望对大家有帮助。
、点击
利用
对话框显示分割完后的图像,可以显示原始图像,也可
以用对象均值显示。
现在已经建立了一个简单的包括图像对象图层的体系。从每一个图像对象屮
我们可以得到大量可用于图像分类的信息。
通过分类体系创建知识库
从
菜单中选择
在这一练习屮图像将会分为四类:
和
首先要做的是确定每一类的名称和颜色
选择
或者在此窗凵点击鼠标右键,
选择
,生成
和四类
Class Hierarchy
○ pervious surtace
44+|
吧Lace
插入分类器
这个练习是利用最邻近域分类方法。当你在类描述中插入标准最近邻域分类
器之前,要定义特征空间,在特征仝间中图像对象之间的距离将会被计算。相比
传统的最邻近方法,此标准邻域是个项目的一种定义,因此可以用个有代表性
的特征空间作用到所有的类描述中。当你在仼意地方改变标准最近邻域的特征空
闾时,其它地方的也会随之改变。
选择菜单
2、在此练习中,我们将通过光谱相似度来进行分类,因此我们选择
您可以看到在右边的窗口里有七个图层的平均
值。若此特征空间被采纳,可以点击如需在此类图层中再选择,
2022-04-28 18:04:52
3.42MB
ICA算法灵感源于人类社会帝国殖民竞争机制，是一种完全受社会行为启发的群体随机优化搜索算法。ICA可归纳为国家初始化、殖民地同化、帝国竞争、国家汇聚四个流程。
2022-04-27 18:07:01
493KB
1. 原始数据集的获取。
使用SCIKIT-LEARN的自带的鸢尾花数据集，获取原始鸢尾花数据集。
2.模型的评价方式之一--基于oob_score的模型性能评价
以整个鸢尾花数据集为训练集，分别考察：
(1) 决策树数目=10,100,500三种情况下，随机森林的分类性能，性能评价采用：
RandomForestClassifier模型的属性“oob_score”
(2) 决策树数目=10,100,500三种情况下，bagging模型的分类性能，性能评价采用：
BaggingClassifier模型的属性“oob_score”
3. 模型评价方式之二--基于交叉验证的集成模型性能评价
将原始数据集按照类别分层随机打乱，分成K=5等分.
(1) 采用K-折交叉验证平均预测错误率(及标准差)为评价指标，分别考察决策树数目=10,100,500三种情况下，随机森林模型的分类性能。
(2) 采用K-折交叉验证平均预测错误率(及标准差)为评价指标，分别考察决策树数目=10,100,500三种情况下，bagging模型的分类性能。
2022-04-27 16:05:34
6KB
1
随机过程是依赖于参数的一族随机变量的全体。参数通常是时间。随机变量是随机现象的数量表现，其取值随着偶然因素的影响而改变。中国科学院大学 中国科学院大学 孙应飞
2022-04-27 13:56:27
2.77MB
1