资 源 简 介
绪论
第1讲 K-means
1.1 基本原理
1.2 算法改进
1.3 仿真实验
1.4 算法特点
第2讲 KNN学习
2.1 基本原理
2.2 算法改进
2.3 仿真实验
2.4 算法特点
第3讲 回归学习
3.1 基本原理
3.1.1 参数回归
3.1.2 非参数回归
3.1.3 半参数回归
3.2 算法改进
3.2.1 线性回归模型
3.2.2 多项式回归模型
3.2.3 主成分回归模型
3.2.4 自回归模型
3.2.5 核回归模型
3.3 仿真实验
3.3.1 回归学习流程
3.3.2 基于回归学习的直线边缘提取
3.3.3 基于回归学习的图像插值
3.4 算法特点
第4讲 决策树学习
4.1 基本原理
4.1.1 分类与聚类
4.1.2 决策树
4.1.3 信息增益的度量标准
4.1.4 信息增益度量期望的熵降低
4.1.5 悲观错误剪枝
4.1.6 基本决策树算法
4.2 算法改进
4.2.1 ID3算法
4.2.2 C4.5算法
4.2.3 SLIQ算法
4.2.4 SPRINT算法
4.3 仿真实验
4.3.1 用于学习布尔函数的ID3算法伪代码
4.3.2 C4.5算法构造决策树的伪代码
4.4 算法特点
第5讲 Random Forest学习
5.1 基本原理
5.1.1 决策树
5.1.2 Bagging集成学习
5.1.3 Random Forest方法
5.2 算法改进
5.3 仿真实验
5.3.1 Random Forest分类与回归
文 件 列 表
19、遗传算法
card_seg.png
Recognition_GA.m
Segmentation_GA.m
testcard.jpg
18、深度学习
DeepLearning.m
nntest.m
nntrain.m
rbmtrain.m
17、RBM学习
RBMLearning.m
16、CNN学习
CNNLearning.m
cnnsetup.m
cnntest.m
cnntrain.m
15、BP学习
BPLearning.m
mnist.mat
nntest.m
nntrain.m
14、字典学习
barbara.png
boat.png
demo1.m
demo3.m
denoiseImageDCT.m
denoiseImageGlobal.m
denoiseImageKSVD.m
displayDictionaryElementsAsImage.asv
displayDictionaryElementsAsImage.m
gererateSyntheticDictionaryAndData.m
globalTrainedDictionary.mat
house.png
KSVD.m
KSVD_NN.m
lena.png
main.m
MOD.m
my_im2col.m
NN_BP.m
OMP.m
OMPerr.m
peppers256.png
README.txt
13、稀疏表示
figure
code
12、RBF学习
RBF.m
Result.jpg
11、流形学习
eigs_r11.m
eigs_r12.m
lle.m
main.m
OGLdpf.log
10、增强学习
action_selector.m
global1.m
global2.m
global3.m
global4.m
jump_learn.m
main.m
pol_finder.m
qlearn.m
state_finder.m
WS_FTP.LOG
9、SVM方法
kernel.m
SVM.m
svmSim.m
svmTrain.m
8、Adaboost
@tree_node_w
@stump_w
@crossvalidation
Classify.m
ionosphere.txt
main.m
RealAdaBoost.m
TrainAndSave.m
TranslateToC.m
7、EM算法
EM_init_kmeans.m
main.m
6、贝叶斯学习
background.mat
Bayes.asv
Bayes.m
human.mat
randQ.m
5、Random Forest
datas
main.m
RF.mexw32
runRF.m
runRF_demo.m
satimage.tra
satimage.txt
srbct.txt
test_data.txt
trainData.txt
train_data.txt
4、决策树学习
BuildC45Tree.m
C45_Results.png
flower_mask.png
flower_test.png
ID3_Results.png
main.m
UseC45Tree.m
UseID3Tree.m
3、回归学习
data.mat
main.m
pls.m
plsiscoeff.m
plspcr.m
plsra.m
plsrd.m
plsresult.m
plsutcor.m
stand.m
2、KNN学习
cvEucdist.m
cvKnn.m
main.m
1、K-means学习
city.jpg
kmeans_demo1.m
data
mnist.mat
20、蚁群算法
AcatspEval.m
dists.m
main.m
pr76init.m
Select_for_aca.m
