摘要I第一章 绪论 11.1 研究背景及意义 11.2 国内外研究动态 21.3 论文结构 3第二章 支持向量机理论基础 52.1 引言52.2 统计学习理论

本资源为《机器学习实战》第四章基于概率论的分类方法：朴素贝叶斯学习笔记，资源中总结和输入的所有例程代码，并给出注释。资源免费下载

1引言信息技术的发展 日新月异，极大地推动了人机交互技术的前进，使得计算机视觉在计算机识别与监控中发挥越来越重要的作用，出现了人脸检测、人脸识别、人脸跟踪、年龄

《A Survey of Underwater Acoustic Data Classification Methods Using Deep Learning for Shoreline Surveillance》的中文翻译版，有导航栏便于观看。原文：Domingos, Lucas CF, et al. "A survey of underwater acoustic data classification methods using deep learning for shoreline surveillance." Sensors 22.6 (2022): 2181.原文下载链接：https://www.mdpi.com/1424-8220/22/6/2181

此资源包含完整代码、所用数据集以及参考论文讲解PPT

针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足, 提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息, 利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息, 将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明, 相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法, 该算法能够有效提高光谱图像的分类精度。

使用多种方法完成MNIST分类任务 Python 3.6 Pytorch 1.0 Scikit-learn 0.21 无需下载数据直接跑，代码自动下载 逻辑回归 Logistic Regression 多层感知机 MLP K近邻 KNN 支持向量机 SVM 卷积神经网络 CNN 循环神经网络 RNN

基于卷积神经网络和胶囊神经网络的宫颈病变图像分类方法研究.docx

科大的一篇硕士论文 讲得比较详细 适合入门级的仔细研究下

CSC句子级别检测 基于BERT的中文拼写错误检测句子分类方法