实例介绍
本人研一机器学习课程设计,做fMRI课题时用到的非常实用的fMRI数据分析函数,像贝叶斯方法等,还有特征选择等等函数,几十个函数。
【实例截图】
【核心代码】
4744300845144949368.rar
├── animate16Trial.m
├── animate6Trial.m
├── animateTrial.asv
├── animateTrial.m
├── applyClassifier.asv
├── applyClassifier.m
├── classifierBayes.asv
├── classifierBayes.m
├── classifierLogisticRegression.m
├── classifierNeuralNetwork.m
├── classifierSMLR_core.m
├── classifierSMLR.m
├── computeCorrelation.m
├── consist.m
├── createColToROI.m
├── docs on the software.doc
├── example_animation.m
├── example_starplus.m
├── getConditionTimecourse.m
├── getROI.m
├── getVoxelTimecourse.m
├── IDMinformation.m
├── idmToExamples_condLabel.m
├── idmToExamples_fixation.m
├── loadROIcoords.m
├── localInformation.m
├── mergeExamples.m
├── mlp.m
├── mlppak.m
├── mri_computeTvalues.m
├── mri_infoTrials.m
├── mri_mergeIDM.m
├── Netlab
│ ├── conffig.m
│ ├── confmat.m
│ ├── conjgrad.m
│ ├── consist.m
│ ├── Contents.m
│ ├── convertoldnet.m
│ ├── datread.m
│ ├── datwrite.m
│ ├── dem2ddat.m
│ ├── demard.m
│ ├── demev1.m
│ ├── demev2.m
│ ├── demev3.m
│ ├── demgauss.m
│ ├── demglm1.m
│ ├── demglm2.m
│ ├── demgmm1.m
│ ├── demgmm2.m
│ ├── demgmm3.m
│ ├── demgmm4.m
│ ├── demgmm5.m
│ ├── demgpard.m
│ ├── demgp.m
│ ├── demgpot.m
│ ├── demgtm1.m
│ ├── demgtm2.m
│ ├── demhint.m
│ ├── demhmc1.m
│ ├── demhmc2.m
│ ├── demhmc3.m
│ ├── demkmn1.m
│ ├── demknn1.m
│ ├── demmdn1.m
│ ├── demmet1.m
│ ├── demmlp1.m
│ ├── demmlp2.m
│ ├── demnlab.m
│ ├── demns1.m
│ ├── demolgd1.m
│ ├── demopt1.m
│ ├── dempot.m
│ ├── demprgp.m
│ ├── demprior.m
│ ├── demrbf1.m
│ ├── demsom1.m
│ ├── demtrain.m
│ ├── dist2.m
│ ├── eigdec.m
│ ├── errbayes.m
│ ├── evidence.m
│ ├── fevbayes.m
│ ├── foptions.m
│ ├── gauss.m
│ ├── gbayes.m
│ ├── glmderiv.m
│ ├── glmerr.m
│ ├── glmevfwd.m
│ ├── glmfwd.m
│ ├── glmgrad.m
│ ├── glmhess.m
│ ├── glminit.m
│ ├── glm.m
│ ├── glmpak.m
│ ├── glmtrain.m
│ ├── glmunpak.m
│ ├── gmmactiv.m
│ ├── gmmem.m
│ ├── gmminit.m
│ ├── gmm.m
│ ├── gmmpak.m
│ ├── gmmpost.m
│ ├── gmmprob.m
│ ├── gmmsamp.m
│ ├── gmmunpak.m
│ ├── gpcovarf.m
│ ├── gpcovar.m
│ ├── gpcovarp.m
│ ├── gperr.m
│ ├── gpfwd.m
│ ├── gpgrad.m
│ ├── gpinit.m
│ ├── gp.m
│ ├── gppak.m
│ ├── gpunpak.m
│ ├── gradchek.m
│ ├── graddesc.m
│ ├── gsamp.m
│ ├── gtmem.m
│ ├── gtmfwd.m
│ ├── gtminit.m
│ ├── gtmlmean.m
│ ├── gtmlmode.m
│ ├── gtm.m
│ ├── gtmmag.m
│ ├── gtmpost.m
│ ├── gtmprob.m
│ ├── hbayes.m
│ ├── hesschek.m
│ ├── hintmat.m
│ ├── hinton.m
│ ├── histp.m
│ ├── hmc.m
│ ├── intro.php.html
│ ├── kmeans.m
│ ├── knnfwd.m
│ ├── knn.m
│ ├── LICENSE
│ ├── linef.m
│ ├── linemin.m
│ ├── maxitmess.m
│ ├── mdn2gmm.m
│ ├── mdndist2.m
│ ├── mdnerr.m
│ ├── mdnfwd.m
│ ├── mdngrad.m
│ ├── mdninit.m
│ ├── mdn.m
│ ├── mdnnet.mat
│ ├── mdnpak.m
│ ├── mdnpost.m
│ ├── mdnprob.m
│ ├── mdnunpak.m
│ ├── metrop.m
│ ├── minbrack.m
│ ├── mlpbkp.m
│ ├── mlpderiv.m
│ ├── mlperr.m
│ ├── mlpevfwd.m
│ ├── mlpfwd.m
│ ├── mlpgrad.m
│ ├── mlphdotv.m
│ ├── mlphess.m
│ ├── mlphint.m
│ ├── mlpinit.m
│ ├── mlp.m
│ ├── mlppak.m
│ ├── mlpprior.m
│ ├── mlptrain.m
│ ├── mlpunpak.m
│ ├── netderiv.m
│ ├── neterr.m
│ ├── netevfwd.m
│ ├── netgrad.m
│ ├── nethess.m
│ ├── netinit.m
│ ├── netlogo.mat
│ ├── netopt.m
│ ├── netpak.m
│ ├── netunpak.m
│ ├── oilTrn.dat
│ ├── oilTst.dat
│ ├── olgd.m
│ ├── over.php.html
│ ├── pca.m
│ ├── plotmat.m
│ ├── ppca.m
│ ├── quasinew.m
│ ├── rbfbkp.m
│ ├── rbfderiv.m
│ ├── rbferr.m
│ ├── rbfevfwd.m
│ ├── rbffwd.m
│ ├── rbfgrad.m
│ ├── rbfhess.m
│ ├── rbfjacob.m
│ ├── rbf.m
│ ├── rbfpak.m
│ ├── rbfprior.m
│ ├── rbfsetbf.m
│ ├── rbfsetfw.m
│ ├── rbftrain.m
│ ├── rbfunpak.m
│ ├── rosegrad.m
│ ├── rosen.m
│ ├── scg.m
│ ├── somfwd.m
│ ├── som.m
│ ├── sompak.m
│ ├── somtrain.m
│ ├── somunpak.m
│ └── xor.dat
├── netopt.m
├── netpak.m
├── plotSnapshot3D.m
├── plotSnapshot.m
├── plotTrial.m
├── plotTrialVoxFn.m
├── plotVoxelBare.m
├── plotVoxelColor.m
├── plotVoxel.m
├── README.txt
├── snapToImage.asv
├── snapToImage.m
├── summarizePredictions.asv
├── summarizePredictions.m
├── test1.m
├── test2.m
├── test3.m
├── test4.m
├── TestActive.m
├── test_feature_selection_datastarplus.m
├── test.m
├── TestROI.asv
├── TestROI.m
├── trainClassifier.asv
├── trainClassifier.m
├── transformIDM_avgROIVoxels.m
├── transformIDM_avgTrialCondition.m
├── transformIDM_avgTrials.m
├── transformIDM_avgVoxels.m
├── transformIDM_avgVoxelSubset.m
├── transformIDM_mergeMulti.m
├── transformIDM_mergeTrials.m
├── transformIDM_normalizeImages.m
├── transformIDM_normalizeTrials.m
├── transformIDM_pairwiseAvg.m
├── transformIDM_selectActiveVoxact.m
├── transformIDM_selectActiveVoxels.m
├── transformIDM_selectROIVoxels.m
├── transformIDM_selectTimewindow.m
├── transformIDM_selectTrials.m
├── transformIDM_selectVoxelSubset.m
├── transformIDM_separateBlocks.m
├── transformIDM_smoothingKR.m
└── transformIDM_unfold.m
1 directory, 257 files
标签:
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论