![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别
小叮当冲浪日记
这个作者很懒,什么都没留下…
展开
-
MATLAB实现KNN算法(MNIST数据集)
基于MOOC人工智能之模式识别的课程完成的第五次作业MATLAB实现KNN算法(MNIST数据集)MOOC地址:人工智能之模式识别k-近邻分类器又称为 KNN 算法(K Nearest Neighbors Algorithm),它是指需要从训练集中找出待识别样本的 k 个最近邻,然后依据这 k 个最近邻分别所属的类别来决定应当把待识别样本划分到哪个类别中。k-近邻分类器原理简单,无需对样本集进行回归分析或者概率分布统计,实现起来十分方便。距离度量、k 值的选择及分类决策规则是 k 近邻算法的三个原创 2020-05-15 14:51:44 · 4657 阅读 · 13 评论 -
MATLAB实现支持向量机算法(MNIST数据集)
基于MOOC人工智能之模式识别的课程完成的第三次作业MATLAB实现支持向量机算法(MNIST数据集)MOOC地址:人工智能之模式识别SVM 是通过学习样本寻找分类间隔边界,把这一过程转化为了一个优化问题。众所周知,分类间隔是由距离分类决策边界最近的那些少量样本决定的,而比这些样本距离分类决策边界更远的大量样本,其实都不会影响到最优权向量的求取,这些作用十分特殊的样本,就被称为“支持向量”,表示是他们支撑起了线性分类器在最大分类间隔意义下的最优解。这也是为什么这种算法被称为“支持向量机(Suppor原创 2020-05-15 12:07:05 · 3118 阅读 · 2 评论 -
MATLAB实现贝叶斯算法(MNIST数据集)
基于MOOC人工智能之模式识别的课程完成的第二次作业MATLAB实现贝叶斯算法(MNIST数据集)MOOC地址:人工智能之模式识别贝叶斯方法是统计模式识别理论中最基础的一种方法,它通过样本的先验概率和条件概率计算后验概率,以此来判断在条件生时,某结果发生的概率大小。贝叶斯分类器的基础是贝叶斯公式。它的分类决策规则是:依据计算得到的后验概率对样本进行归类,而需要的条件是:先验概率和类条件概率已知。因此,只要知道先验概率 P(ωj),类条件概率密度 p(x/ωj) 就可以设计出一个贝叶斯分类器。原创 2020-05-15 12:06:19 · 8783 阅读 · 5 评论 -
MATLAB实现感知器算法(MNIST数据集)
线性分类器之感知器算法最简单的分类器,不能解决两两不可分问题原创 2020-05-14 15:43:44 · 5225 阅读 · 11 评论 -
MATLAB实现模板匹配算法(手写数字和车牌数据)
基于MOOC人工智能之模式识别的课程完成的第一次作业MATLAB实现模板匹配算法(手写数字和车牌数据)MOOC地址:https://www.icourse163.org/learn/BIT-1206703821?tid=1457771445#/learn/announce课程数据集:链接:https://pan.baidu.com/s/1YiWy6cQvmbCiaSU1-wtrLw提取码:...原创 2020-04-21 20:01:10 · 8152 阅读 · 2 评论