BIC确定GMM聚类簇数

工程算法 这是一个很有用的工程数值算法集锦(Engineering algorithm this is a useful collection of engineering numerical algorithms.)

说明：  将数据集转换为拉普拉斯矩阵，然后利用基于图论的谱聚类进行聚类。拉普拉斯矩阵采用高斯核函数，全连接方法计算。谱聚类擅长处理高维数据或非凸数据集。(The data set is transformed into Laplacian matrix, and then clustered by spectral clustering based on graph theory. The Laplacian matrix is calculated by using the Gauss kernel function and the full connection method. Spectral clustering is good at dealing with high-dimensional or non-convex data sets.)

一个833分酒问题的求解,C++编写,简单易读,输出最佳路径解,()

hosvd 迭代分解,很好用，是一个硕士论文里的代码(terative HOSVD algorithm to decompose tensor and find its Singular factors in each mode.)

说明：  一种信号的处理方法，用于非平稳的信号处理(A signal processing method for nonstationary signal processing)

用Gibb Sampling 的方法对LDA的参数进行推断(LDA model with Gibbs Sampling for inference)

主要利用R语言进行广义加法模型，进行回归预测(This paper mainly uses R language to carry on the generalized additive model, and carries on the regression forecast)

一种特征提取方法：结合主元分析(PCA)和核主元分析（KPCA）的前馈神经网络（FNN）(A feature extraction method: the feedforward neural network (FNN) combined with principal component analysis (PCA) and kernel principal component analysis (KPCA))

利用一维卷积神经网络将叶子进行分类，里面包含的有数据(Classification of leaves using one dimensional convolution neural network)

资源描述决策树是建立在信息论基础之上，对数据进行分类挖掘的一种方法。其思想是，通过一批已知的训练数据建立一棵决策树，然后利用建好的决策树，对数据进行预测。决策树的建立过程可以看成是数据规则的生成过程。由于基于决策树的分类方法结构简单，本身就是人们能够理解的规则。其次，决策树方法计算复杂度不大，分类效率高，能够处理大数据量的训练集；最后，决策树方法的分类精度较高，对噪声数据有较好的健壮性，符合一般系统的要求。