MLC+

MLC++:C++中的一个机器学习库。我们提出MLC++,一个C++类的库和有监督的机器学习工具。虽然MLC++提供了可供最终用户使用的通用学习算法,其主要目的是为研究人员和专家提供各种各样的工具,这些工具可以加速算法开发、增加软件可靠性、提供比较工具和直观地显示信息。MLC++不仅是现有算法的集合,还可以尝试提取算法的共性,并将它们分解为一个简单、连贯、可扩展的统一视图。在本文中,我们讨论的问题MLC++旨在解决,MLC++的设计,以及目前的功能


ZBMaCT中的参考文献(40篇文章中引用)

显示结果1至20的40。
按年份排序(引文
  1. Marcelo S. Reis、Gustavo Estrela、Carlos Eduardo Ferreira、Junior Barrera:特征选择:特征选择算法和成本函数的标杆框架(2017)不是ZB数学
  2. 麦卡尼,N.Ria;伯纳德-曼西拉,酯:走向UCI+:一个有意识的仓库设计(2014)伊波尔特
  3. Kelner,罗伊;勒纳,波阿斯:利用风险最小化学习贝叶斯网络分类器(2012)
  4. 希拉卡诺,E;IrigoiiN,I.;Juuri,E;Mealdiua,I:(k)最近邻平等:给所有现存类提供平等机会(2011)伊波尔特
  5. Bouckaert,ReMo R.;弗兰克,Eibe;Hall,Mark A.;福尔摩斯,杰弗里;Pfahringer,伯恩哈德;Rututman,PoT;WITTEN,Y:WEKA——Java开源项目的经验(2010)
  6. TeleCKI,Pawe:关于跳跃涌现模式与粗糙集理论的关系及其在数据分类中的应用(2010)
  7. YayHZKEL,RAANN,LeNER,波阿斯:贝叶斯网络结构的递归自治识别学习(2009)
  8. 胡,萧鹏;Dempere Marco,劳拉;戴维斯,E. Roy:视觉显著性估计的贝叶斯特征评价(2008)
  9. AlkbEe,Josep Roure:用近似的MDL分数学习贝叶斯网络(2007)
  10. P.N.A,Jose M.;尼尔森,罗兰;B.O.RKEGREN,Johan;TeGNER,杰斯珀:马尔可夫边界的可扩展和数据高效学习(2007)
  11. Ramamohanarao,Kotagiri;范,洪建:基于模式的分类器(2007)伊波尔特
  12. De Campos,Luis M.:基于互信息和条件独立性检验的贝叶斯网络评分函数(2006)
  13. Langseth,Helg.;Nielsen,Thomas D.:基于层次朴素贝叶斯模型的分类(2006)伊波尔特
  14. Langseth,Helg.;Nielsen,Thomas D.:基于层次朴素贝叶斯模型的分类(2006)
  15. 酸,西尔维亚;坎普斯,Luis M.;Castellano,Javier G.:学习贝叶斯网络分类器:在部分有向无环图空间中搜索(2005)
  16. 哈特、马库斯、扎法隆、马珂:完全和不完全数据的互信息分布(2005)
  17. Langseth,海尔格;Nielsen,Thomas D.:潜在分类模型(2005)
  18. 李,Jinyan;Dong,Guozhu;Ramamohanarao,Kotagiri;Wong,Limsoon:DIPSPS:一个新的基于实例的懒惰发现和分类系统(2004)
  19. L. M.:寻找受限非循环部分有向图空间中的贝叶斯网络结构(2003)
  20. Basdl,Pavel B.;SaARES,卡洛斯;Pinto da Costa,JoaQui:排序学习算法:使用Ibl和元学习的准确性和时间结果(2003)