OSDN -- Desarrollar y descargar software de código abierto
Translation Status of Español translation status for es

RSS
Download List

Descripción del Proyecto

PCP (Pattern Classification Program) is a machine learning
program for supervised classification of
patterns. It runs in interactive and batch modes, and
implements the following machine learning algorithms and
methods: k-means clustering, Fisher's linear discriminant,
dimension reduction using Singular Value Decomposition,
Principal Component Analysis, feature subset selection,
Bayes error estimation, parametric classifiers (linear and
quadratic), pseudo-inverse linear discriminant, k-Nearest
Neighbor method, neural networks, Support Vector
Machine algorithm (SVM), model selection for SVM, cross-validation, and bagging
(committee)
classification.

System Requirements

System requirement is not defined
Information regarding Project Releases and Project Resources. Note that the information here is a quote from Freecode.com page, and the downloads themselves may not be hosted on OSDN.

2006-05-25 11:09
2.2

Esta versión es compatible con la selección de modelos para el núcleo SVM lineal y una opción para construir SVD transforma mediante la formación y los conjuntos de datos de prueba (en lugar de sólo los datos de entrenamiento). P-Ahora se informa de los errores en la selección del modelo de SVM. El proceso de construcción se ha simplificado.
Tags: Minor feature enhancements
This release supports model selection for the linear SVM kernel and an option to build SVD transforms using training and test datasets (as opposed to just training data). P-errors are now reported in SVM model selection. The build process was simplified.

2006-02-04 03:20
2.1

Este comunicado crea el archivo pcp.rcl predicción para la predicción de MLP, MLP implementa la selección de modelos, instrumentos de selección del modelo k-NN, tiene información adicional en la predicción de archivo de clase pcp.rcl (bandera correcta clasificación, TP, FN, FP, TN y banderas de dos casos de clase), se elimina una manipulación de la memoria principal defecto en el algoritmo de selección hacia adelante que llevan a los pobres (de cálculo) de rendimiento, impone la región factible para nu en NU-SVM, y cambia el número predeterminado de experimentos cruzados de validación de 10 a 1.
Tags: Major feature enhancements
This release creates the prediction file pcp.rcl for MLP prediction, implements MLP model selection, implements k-NN model selection, has additional information in the class prediction file pcp.rcl (correct classification flag, TP, FN, FP, and TN flags for two-class cases), removes a major memory handling defect in the forward selection algorithm that lead to poor (computational) performance, enforces the feasible region for nu in NU-SVM, and changes the default number of cross-validation experiments from 10 to 1.

2005-07-01 06:49
2.0

LIBSVM se actualizó a la versión 2.71. De correlación de Pearson fue añadido como un criterio de selección de características. Clustering fue eliminado. El menú de selección de la distancia fue eliminado. Los costos de cada clase son compatibles con C-aprendizaje SVM. Código FORTRAN fue eliminado. Un menú de selección de modelo para el algoritmo de Support Vector Machine fue añadida. Selección hacia adelante y hacia atrás característica de eliminación de algoritmos de selección de subconjunto se han añadido. Distancia entre intra, tasa de error de 1-NN, y la tasa de error de Bayes se han añadido como criterios para la selección de características. GNU autoconf es ahora usado para construir PCP.
Tags: Major feature enhancements
LIBSVM was upgraded to version 2.71. Pearson
correlation was added as a feature selection
criterion. Clustering was removed. The distance
selection menu was removed. Individual class costs
are supported for C-SVM learning. FORTRAN code was
eliminated. A Model Selection menu for the Support
Vector Machine algorithm was added. Forward
selection and backward elimination feature subset
selection algorithms were added. Inter-intra
distance, 1-NN error rate, and Bayes error rate
were added as criteria for feature selection. GNU
autoconf is now used to build PCP.

2005-02-28 04:55
1.2

Portado a Windows (en el entorno Cygwin). Correcciones de errores menores y documentación actualizada.
Ported to Windows (under the Cygwin environment). Minor bugfixes and updated documentation.

2005-02-17 23:28
1.1

El número máximo de atributos de la agrupación se ha incrementado a 1000. El conjunto de entrenamiento de datos se utiliza (a diferencia de conjunto de datos de prueba) en la agrupación. A modo detallado para el resumen de la agrupación se ha aplicado. Un error de formato en el ahorro de los resultados de la agrupación se ha fijado. 'filas con nombre (vectores)' y 'columnas llamadas (atributos) «datos de entrada de los formatos de archivo son compatibles. El Golub (ALL / AML) conjunto de datos está establecida actualmente en las filas el nombre más útil / columnas con nombres de formato.
Tags: Minor feature enhancements
The maximum number of attributes for clustering has been increased to 1000. The training data set is used (as opposed to test data set) in clustering. A verbose mode for the clustering summary has been implemented. A formatting bug in saving the results of clustering has been fixed. 'named rows (vectors)' and 'named columns (attributes)' input data file formats are supported. The Golub (ALL/AML) data set is now provided in the more useful named rows/named columns format.

Project Resources

Project Page Página principal Descargar: TGZ Descargar: zip