回采工作面瓦斯涌出量受多种因素共同影响,很难用线性方法进行准确预测。广义回归神经网络(GRNN)是一种前馈神经网络,具有鲁棒性好和高容错率的优点,并且调节参数只有1个,因此,基于GRNN构建预测模型,运用改进的果蝇优化算法(FOA)对传统GRNN模型进行优化,应用主成分分析法(PCA)对样本数据进行降维简化处理,以减少次要因素对预测结果的干扰。选取晓明矿数据对模型进行验证,预测效果良好,其平均绝对误差为3.98%,低于传统GRNN模型的7.06%。

AST数据集和输出数据AST数据集和输出数据共享在运行模型和输出数据的数据对应于四个方案（原始AST，AST修剪）通过次要程序，通过语义方法修剪的AST和通过两种方法修剪的AST分别存储在文件夹AST_OR，AST_MF，AST_SE，AST_SE_MF中。

印度古典舞蹈的分类 本文提出的算法旨在在印度古典舞领域实现姿势识别。 姿势分类考虑了三种不同的舞蹈，即巴拉特纳坦舞，卡萨克舞和奥迪西舞，以及全部15种姿势。 将创建一个包含100张图像的初始数据库，并将其分为训练和测试数据集。 选择Hu矩作为特征提取技术来描述图像的形状上下文，因为它们是缩放，平移和旋转不变的。 为了提取Hu矩，将图像的前景和背景分离，然后将所得图像转换为二进制图像。 由于这是一个多类分类问题，因此，SVM是使用“一对一”和“一对一”的方法实现的，并且两种方法的结果均与线性和RBF内核进行对比。 ＃执行程式码的步骤 使用binary.py将所有色度照相像转换为二进制。 运行

libsvm.jar3.20下载

【项目实战】使用opencv基于PCA降维算法的人脸识别项目教程，非常适合练手的小项目 1、资料及源码 2、所需模板图片 3、B站视频地址：https://www.bilibili.com/video/BV1Ka4y1i7mS/

本代码是用Matlab语言写的指纹识别程序，带GUI界面，采用的识别原理是PCA，数据集是包括480张指纹数据，每根手指6张训练图片，2张测试图片。

PCA and MDA 的人脸识别的matlab源代码，可运行，以测验。效果还不错。

一本机器学习入门的好书，同时伴有大量R语言的例子，是用R语言敲开机器学习大门的不二书选！Springer出版的经典书籍，很接地气。

《机器学习》课程支持向量机实验，包括详细的jupyter文件和解释，代码均成功运行。 机器学习支持向量机实验内容 一、实验内容 1.1 支持向量机的核函数 1. 了解核函数对 SVM 的影响 2. 绘制不同核函数的决策函数图像 3. 简述引入核函数的目的 1.2 支持向量机的软间隔 1. 了解分离超平面、间隔超平面与支持向量的绘制 2. 调整 C 的值，绘制分离超平面、间隔超平面和支持向量 3. 简述引入软间隔的原因，以及 C 值对 SVM 的影响 1.3 支持向量机的分类任务 1. 使用支持向量机完成 spambase 垃圾邮件分类任务 2. 使用训练集训练模型，计算测试集的精度，查准率，查全率，F1 值 1.4 支持向量机的回归任务 1. 使用支持向量机完成 kaggle 房价预测问题 2. 使用训练集训练模型，计算测试集的 MAE 和 RMSE 要求将结果写入到 markdown 的表格中！ 二、数据介绍 2.1 kaggle 房价预测数据集 文件名：

(2)在约束条件 下求解使目标函数 最大化的αop。 (3)计算最优权值