本課程提供了一個廣泛的介紹機器學習、數據挖掘、統計模式識別的課程。主題包括： （一）監督學習（參數/ 非參數算法，支持向量機，核函數，神經網絡）。（二）無監督學習 （聚類，降維，推薦系統，深入學習推薦）。（三）在機器學習的最佳實踐（偏差/ 方差理 論；在機器學習和人工智能創新過程）。本課程還將使用大量的案例研究，您還將學習如何 運用學習算法構建智能機器人（感知，控制），文本的理解（W eb 搜 索，反垃圾郵件），計 算機視覺，醫療信息，音頻，數據挖掘，和其他領域。 本課程需要 1 0 周 共 1 8 節 課，
上傳時間： 2017-07-28
上傳用戶：xiaoyuerer
用于matlab支持向量機,工具箱安裝教程網上有，需要本機已經安裝編譯器（vc++ 6.0或VS等）
上傳時間： 2017-07-29
上傳用戶：qilee
改進粒子群優化支持向量機，適用于分類問題。
上傳時間： 2018-01-11
上傳用戶：shuihanhan
包含5個實驗項目論文，包含BP神經網絡，支持向量機，感知器
上傳時間： 2018-10-02
上傳用戶：freedom1900
運用支持向量機結合分形幾何學方法獲取股市循環周期的方法，親測有效，可以定義波段高低點
上傳時間： 2020-03-07
上傳用戶：晨陽沐土
《統計學習方法》李航第二版，機器學習，人工智能必備基礎書籍 內容簡介：統計學習方法即機器學習方法，是計算機及其應用領域的一門重要學科。本書分為監督學習和無監督學習兩篇，全面系統地介紹了統計學習的主要方法。包括感知機、k近鄰法、樸素貝葉斯法、決策樹、邏輯斯諦回歸與最大熵模型、支持向量機、提升方法、EM算法、隱馬爾可夫模型和條件隨機場，以及聚類方法、奇異值分解、主成分分析、潛在語義分析、概率潛在語義分析、馬爾可夫鏈蒙特卡羅法、潛在狄利克雷分配和PageRank 算法等。本書是統計機器學習及相關課程的教學參考書，適用于高等院校文本數據挖掘、信息檢索及自然語言處理等專業的大學生、研究生，也可供計算機應用等專業的研發人員參考。
上傳時間： 2021-09-01
上傳用戶：wenxiuyu
數學建模32種常規方法1..第一章 線性規劃.pdf10.第十章 數據的統計描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回歸分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 穩定狀態模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 馬氏鏈模型.pdf18.第十八章 變分法模型.pdf19.第十九章 神經網絡模型.pdf2.第二章 整數規劃.pdf20.第二十章 偏微分方程的數值解.pdf21.第二十一章 目標規劃.pdf22.第二十二章 模糊數學模型.pdf23.第二十三章 現代優化算法.pdf24.第二十四章 時間序列模型.pdf25.第二十五章 存貯論.pdf26.第二十六章 經濟與金融中的優化問題.pdf27.第二十七章 生產與服務運作管理中的優化問題.pdf28.第二十八章 灰色系統理論及其應用.pdf29.第二十九章 多元分析.pdf3.第三章 非線性規劃.pdf30.第三十章 偏最小二乘回歸.pdf31、支持向量機(數學建模).pdf32、作業計劃(數學建模).pdf4.第四章 動態規劃.pdf5.第五章 圖與網絡.pdf6.第六章 排隊論.pdf7.第七章 對策論.pdf8.第八章 層次分析法.pdf9.第九章 插值與擬合.pdf前言.pdf灰色預測公式的理論缺陷及改進.pdf
標簽： 數學建模
上傳時間： 2021-10-20
上傳用戶：kingwide
介紹了數據科學領域常用的所有重要機器學習算法以及TensorFlow和特征工程等相關內容。涵蓋的算法包括線性回歸、邏輯回歸、支持向量機、樸素貝葉斯、K均值、隨機森林等，這些算法可以用于監督學習、非監督學習、強化學習或半監督學習。本書在簡明扼要地闡明基本原理的基礎上，側重于介紹如何在Python環境下使用機器學習方法庫，并通過大量實例清晰形象的展示了不同場景下機器學習方法的應用。
上傳時間： 2021-10-21
上傳用戶：d1997wayne
30個數學建模智能算法及MATLAB程序代碼:chapter10基于粒子群算法的多目標搜索算法.rarchapter11基于多層編碼遺傳算法的車間調度算法.rarchapter12免疫優化算法在物流配送中心選址中的應用 .rarchapter13粒子群優化算法的尋優算法.rarchapter14基于粒子群算法的PID控制器優化設計.rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于動態粒子群算法的動態環境尋優算法.rarchapter17基于PSO工具箱的函數優化算法.rarchapter18魚群算法函數尋優.rarchapter19基于模擬退火算法的TSP算法.rarchapter1遺傳算法工具箱.rarchapter20基于遺傳模擬退火算法的聚類算法.rarchapter21模擬退火算法工具箱及應用.rarchapter22蟻群算法的優化計算——旅行商問題(TSP)優化 .rarchapter23基于蟻群算法的二維路徑規劃算法.rarchapter24 基于蟻群算法的三維路徑規劃算法.rarchapter25有導師學習神經網絡的回歸擬合——基于近紅外光譜的汽油辛烷值預測.rarchapter26.rarchapter27無導師學習神經網絡的分類——礦井突水水源判別.rarchapter28支持向量機的分類——基于乳腺組織電阻抗特性的乳腺癌診斷 .rarchapter29支持向量機的回歸擬合——混凝土抗壓強度預測.rarchapter2基于遺傳算法和非線性規劃的函數尋優算法 .rarchapter30極限學習機的回歸擬合及分類.rarchapter3基于遺傳算法的BP神經網絡優化算法 .rarchapter4sa_tsp.rarchapter5基于遺傳算法的LQR控制器優化設計.rarchapter6遺傳算法工具箱詳解及應用 .rarchapter7多種群遺傳算法的函數優化算法.rarchapter8基于量子遺傳算法的函數尋優算法 .rarchapter9基于遺傳算法的多目標優化算法.rar
上傳時間： 2021-11-28
上傳用戶：
統計學習基礎:數據挖掘、推理與預測介紹了這些領域的一些重要概念。盡管應用的是統計學方法，但強調的是概念，而不是數學。許多例子附以彩圖?！督y計學習基礎:數據挖掘、推理與預測》內容廣泛，從有指導的學習（預測）到無指導的學習，應有盡有。包括神經網絡、支持向量機、分類樹和提升等主題，是同類書籍中介紹得最全面的。計算和信息技術的飛速發展帶來了醫學、生物學、財經和營銷等諸多領域的海量數據。理解這些數據是一種挑戰，這導致了統計學領域新工具的發展，并延伸到諸如數據挖掘、機器學習和生物信息學等新領域。許多工具都具有共同的基礎，但常常用不同的術語來表達。【內容推薦】《統計學習基礎:數據挖掘、推理與預測》試圖將學習領域中許多重要的新思想匯集在一起，并且在統計學的框架下解釋它們。隨著計算機和信息時代的到來，統計問題的規模和復雜性都有了急劇增加。數據存儲、組織和檢索領域的挑戰導致一個新領域“數據挖掘”的產生。數據挖掘是一個多學科交叉領域，涉及數據庫技術、機器學習、統計學、神經網絡、模式識別、知識庫、信息提取、高性能計算等諸多領域，并在工業、商務、財經、通信、醫療衛生、生物工程、科學等眾多行業得到了廣泛的應用?！咀髡吆喗椤縏revor Hastie,Robert Tibshirani和Jerome Friedman都是斯坦福大學統計學教授，并在這個領域做出了杰出的貢獻。Hastie和Tibshirani提出了廣義和加法模型，并出版專著“Generalized Additive Models”。Hastie的主要研究領域為：非參數回歸和分類、統計計算以及生物信息學、醫學和工業的特殊數據挖掘問題。他提出主曲線和主曲面的概念，并用S-PLUS編寫了大量統計建模軟件。Tibshirani的主要研究領域為：應用統計學、生物統計學和機器學習。他提出了套索的概念，還是“An Introduction to the Bootstrap”一書的作者之一。Friedman是CART、MARS和投影尋蹤等數據挖掘工具的發明人之一。他不僅是位統計學家，而且是物理學家和計算機科學家，先后在物理學、計算機科學和統計學的一流雜志上表發論文80余篇。
標簽： 統計
上傳時間： 2022-05-04
上傳用戶：
