基于属性关系图正则化特征选择的零样本分类

针对ID3算法偏向于选择取值较多的属性作为测试属性的缺点,引入OneR算法选择属性的相关子集进行分类,降低无关属性和重复属性对分类的影响。实验结果表明,与ID3算法相比优化后的方案提高了ID3算法的分

针对现实文本分类环境下通常仅有少量标记样本而影响分类精度的问题，提出了一种基于概率主题模型潜在Dirichlet分配的分类算法。借助标准词频逆文档频率函数将每个文档表示成术语权重向量；利用概率主题模型

采用深度学习，cnn,rnn两种方式对新闻类信息。进行分类预测。。。。仅供初学者练习使用

样本数据集的不一致性和冗余特征会降低分类的质量和效率。提出了一种一致化特征选择约简方法,该方法基于贝叶斯公式,采用阈值,将非一致数据归为最可能的一类,使数据集一致化。并在一致数据集上,运用类别区分矩阵

大样本集上在线预测算法时间空间复杂度小、预测准确性高，与批处理学习算法相比，有明显的优势。自从Jivinen和M.Warmuth提出权衡正确性与保守性的在线学习框架后，在线学习框架已被广泛引用。但是在

针对地对空红外空中目标识别任务中数据量严重不足的问题,提出一种基于改进关系网络的小样本红外空中目标分类方法。该方法将关系网络模型、多尺度特征融合方法及元学习训练策略相结合,首先构造多尺度特征提取模块提

基于结构偏序属性图的HAYES-ROTH数据集分类

基于增强的DT-CWT特征的分类,使用正则化邻域投影判别分析进行人脸识别

基于tensorflow实现CNN文本分类目前文本分类问题主要使用的RNN/LSTM，但是本身具有时序性强、速度慢等局限性。而CNN的主要特点是速度快，主要用于计算机图像的核心部分GPU的硬件层实现。

基于RNN实现文本分类实验要求基于RNN实现文本分类任务数据使用搜狐新闻数据.任务重点在于搭建并训练RNN网络来提取特征最后通过一个全连接层实现分类目标.数据集下载地址SogouCS网址http