感知器准则算法实验 例样
在实际问题中，人们可以不去估计概率密度，而直接通过与样本和类别标号有关的判别函数来直接将未知样本进行分类。这种思路就是判别函数法，最简单的判别函数是线性判别函数。采用判别函数法的关键在于利用样本找到判别函数的系数，模式识别课程中的感知器算法是一种求解判别函数系数的有效方法。本实验的目的是通过编制程序，实现感知器准则算法，并实现线性可分样本的分类。
文件下载
评论信息
-
-
-
lolis1999 :还不错，写大作业时用了一下，可以直接运行。2016-08-27 -
其他资源
- 东莞的一些土地利用类型（img dem）和矢量图（shp）--ArcGIS
- matlab串口通信绘制多通道波形图
- Python-Pytorch实现用于图像语义分割UNet
- open-cv3.4.0_win32.rar
- 内存加载exe的两种方式（支持win7）
- 用matlab贝叶斯方法实现神经网络算法
- 基于labview的温度串口接收及波形显示
- 抢课精灵软件
- HP 增霸卡网络同传软件V6.01
- CodeWarrior Development Studio for S12(X) V5.1.
- 数据库课程设计（饭店点菜系统）
- GPS、北斗、GLONASS测试软件
- HttpClient jar包下载
- OpenCL Programming by Example
- linux嵌入式开发常用库
- awesome-game-ai：多智能体强化学习的Awesome Game AI资料-源码
- 动态加载控件（用于图文并茂显示）
- 仿金蝶电商ERP进销存系统
- 基于jsp页面的在线报名管理系统
- c++求图的最短路径算法
- 贝叶斯分类器贝叶斯分类器的分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。目前研究较多的贝叶斯分类器主要有四种，分别是：Naive Bayes、TAN、BAN和GBN。
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明