Changeset 83 for prdatasets/Contents.m


Ignore:
Timestamp:
08/23/13 21:17:56 (11 years ago)
Author:
bduin
Message:
 
Location:
prdatasets
Files:
2 edited

Legend:

Unmodified
Added
Removed

  • prdatasets

    • Property svn:ignore

      •  

        old new  
        11*.dat
        2 glass.mat
         2*.mat

  • prdatasets/Contents.m

    r80 r83  
    1 %PRDATASETS: PRTools5 Pattern Recognition Datasets
    2 % Version 2.0 6-Aug-2013
     1% PRDATASETS: Pattern Recognition Datasets in PRTools format
     2% Version 2.03 23-Aug-2013
    33%
    4 %The following datasets can be loaded by commands like A = DATASET_NAME.
    5 %Most datasets have options to select classes or objects.
    6 %(m: #samples, k: #features  c:#classes)
     4%Feature based labeled datasets
     5%------------------------------
     6%name      objects  feats  classes
     7%x80          45      8       3    radial distances of characters
     8%arrhythmia  420    278       2    presence or absence of cardia arrhythmia
     9%auto_mpg        398      6       2    car/miles-per-gallon
     10%malaysia    291      8      20    segment features in utility symbols
     11%biomed      194      5       2    various patient indicators
     12%breast      683      9       2    Wisconsion breast cancer dataset
     13%cbands    12000     30      24    chromosome banding patterns
     14%chromo     1143      8      24    chromosome blob features
     15%diabetes    768      8       2    Pima Indians Diabetes Database
     16%ecoli       272      7       3    protein localisation sites
     17%glass       214      9       4    glass types from chemical components
     18%heart       297     13       2    heart disease dataset
     19%imox        192      8       4    radial distances of characters
     20%ionosphere  351     34       2    radar data
     21%iris        150      4       3    Fisher's Iris dataset
     22%liver       345      6       2    liver disorder
     23%satellite  6435     36       6    spectral data
     24%sonar       208     60       2    rock / metal sonar features
     25%soybean1    266     35      19    large Soybeans
     26%soybean2    136     35       4    small Soybeans
     27%spirals     194      2       2    spirals
     28%twonorm    7400     20       2    Leo Breiman's two normal example.
     29%ringnorm   7400     20       2    Leo Breiman's ringnorm example.
     30%wine        178     13       3    wine recognition
     31%mfeat_fac  2000    216      10    face features in digits dataset
     32%mfeat_fou  2000     76      10    Fourier features in digits dataset
     33%mfeat_kar  2000     64      10    Karhunen Loeve features in digits dataset
     34%mfeat_pix  2000    240      10    pixel features in digits dataset
     35%mfeat_zer  2000     53      10    Zernike moments in digits dataset
     36%mfeat_mor  2000      6      10    morphological features in digits dataset
    737%
    8 % name        m     k   c  description
     38%Multi-band images (pixels are objects, bands are features)
    939%----------------------------------------------------------
    10 %x80          45    8   3  radial distances of characters
    11 %arrhythmia  420  278   2  presence or absence of cardia arrhythmia
    12 %auto_mpg*       398    6   2  Car/miles-per-gallon
    13 %malaysia    291    8  20  segment features in utility symbols
    14 %biomed      194    5   2
    15 %breast*     683    9   2  Wisconsion breast cancer dataset
    16 %cbands    12000   30  24  chromosome banding patterns
    17 %chromo     1143    8  24  chromosome blob features
    18 %diabetes*   768    8   2  Pima Indians Diabetes Database
    19 %ecoli*      272    7   3  protein localisation sites
    20 %glass       214    9   4  glass types from chemical components
    21 %heart*      297   13   2  heart disease dataset
    22 %imox        192    8   4  radial distances of characters
    23 %ionosphere* 351   34   2 
    24 %iris        150    4   3  Fisher's Iris dataset
    25 %liver*      345    6   2  liver disorder
    26 %satellite* 6435   36   6
    27 %sonar*      208   60   2  rock / metal sonar features
    28 %soybean1*   266   35  19  large Soybeans
    29 %soybean2*   136   35   4  small Soybeans
    30 %spirals     194    2   2  spirals
    31 %twonorm    7400   20   2  Leo Breiman's two normal example.
    32 %ringnorm   7400   20   2  Leo Breiman's ringnorm example.
    33 %wine*       178   13   3  wine recognition
    34 %mfeat-fac  2000  216  10  Face features in digits dataset
    35 %mfeat-fou  2000   76  10  Fourier features in digits dataset
    36 %mfeat-kar  2000   64  10  Karhunen Loeve features in digits dataset
    37 %mfeat-pix  2000  240  10  Pixel features in digits dataset
    38 %mfeat-zer  2000   53  10  Zernike moments in digits dataset
    39 %mfeat-mor  2000    6  10  Morphological features in digits dataset
     40%name      pixels  bands  classes
     41%emim      128*128    8      1  A seto of 5 8-band EM images
     42%lena      256*256    3      1  full-color image
     43%texturel  5*128*128  7      5  texture features for 5 different texture images
     44%texturet  256*256    7      5  composite texture image
    4045%
    41 %   Multi-band images (pixels are objects, bands are features)
    42 %
    43 %emim31   128*128   8   1  8-band EM image
    44 %emim32   128*128   8   1  8-band EM image
    45 %emim33   128*128   8   1  8-band EM image
    46 %emim34   128*128   8   1  8-band EM image
    47 %emim37   256*256   8   1  8-band EM image
    48 %lena     256*256   3   1  full-color image
    49 %texturel 5*128*128 7   5  texture features for 5 different texture images
    50 %texturet 256*256   7   5  composite texture image
    51 %
    52 %    Image datasets (pixels are features, images are objects)
    53 %
    54 %kimia     216   64*64 18  resampled (64*64) Kimia dataset of silhouettes
    55 %nist32   5000   32*32 10  Resampled Nist digits
    56 %nist16   2000   16*16 10  Normalized Nist digits
    57 
    58 % Copyright: R.P.W. Duin, r.p.w.duin@prtools.org
    59 % Faculty EWI, Delft University of Technology
    60 % P.O. Box 5038, 2600 GA Delft, The Netherlands
     46%Image datasets (pixels are features, images are objects)
     47%--------------------------------------------------------
     48%name   images  pixels  classes
     49%kimia     216   64*64    18  resampled Kimia dataset of silhouettes
     50%nist32   5000   32*32    10  Resampled Nist digits
     51%nist16   2000   16*16    10  Normalized Nist digits
Note: See TracChangeset for help on using the changeset viewer.