摘要：
这种实现方式的最坏情况和最好情况时间复杂度分别为O（n2）和 O（n） 阅读全文
posted @ 2018-10-01 16:08 Charlie_ODD 阅读(537) 评论(0) 推荐(0)
摘要：
出发点 线性判别函数简单，容易实现； 非线性判别函数复杂，不容易实现； 若能将非线性判别函数转换为线性判别函数，则有利于模式分类的实现。 基本思想 设有一个训练用的模式集{x}，在模式空间x中线性不可分，但在模式空间x*中线性可分，其中x*的各个分量是x的单值实函数，x*的维数k高于x的维数n，即若 阅读全文
posted @ 2018-09-29 08:57 Charlie_ODD 阅读(2620) 评论(0) 推荐(0)
摘要：
3.1线性判别函数 3.1.1两类问题的判别函数 （1）以二维模式样本为例 （2）用判别函数进行模式分类依赖的两个因素 ① 判别函数的几何性质：线性的和非线性的函数。 线性的是一条直线； 非线性的可以是曲线、折线等； 线性判别函数建立起来比较简单（实际应用较多）； 非线性判别函数建立起来比较复杂。 阅读全文
posted @ 2018-09-28 19:33 Charlie_ODD 阅读(5320) 评论(0) 推荐(0)
摘要：
第二章 统计判别 第三章 判别函数 第四章 特征选择和提取 第五章 句法模式识别 第六章 统计学习理论基础 第七章 有监督学习基础算法 第八章 支持向量机 第九章 无监督学习与半监督学习 第十章 图模型基础 第十一章 集成学习 第十二章 神经网络与深度学习 第十三章 典型应用案例 第一章 绪论 1. 阅读全文
posted @ 2018-09-28 12:58 Charlie_ODD 阅读(729) 评论(0) 推荐(0)
摘要：
Aprior算法流程 下面我们对Aprior算法流程做一个总结。 输入：数据集合D，支持度阈值αα 输出：最大的频繁k项集 1）扫描整个数据集，得到所有出现过的数据，作为候选频繁1项集。k=1，频繁0项集为空集。 2）挖掘频繁k项集 a) 扫描数据计算候选频繁k项集的支持度 b) 去除候选频繁k项集 阅读全文
posted @ 2018-09-20 19:37 Charlie_ODD 阅读(366) 评论(0) 推荐(0)
浙公网安备 33010602011771号