注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 最小二乘支持向量机代码2

  2. 最小二乘支持向量机代码　鲁汶大学Ｍａｔｌａｂ代码

  3. 所属分类：C/C++

    • 发布日期：2009-12-26
    • 文件大小：192512
    • 提供者：gengyadian79

  1. 支持向量机导论.pdf

  2. 　　支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。它广泛的应用于统计分类以及回归分析中. 支持向量机属于一般化线性分类器.他们也可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例.这族分类器的特点是他们能够同时最小化经验误差与最大化几何

  3. 所属分类：专业指导

    • 发布日期：2010-01-07
    • 文件大小：6291456
    • 提供者：faceshop

  1. 支持向量机及libsvm资料

  2. 支持向量机(Support Vector Machine,SVM)是Corinna Cortes和Vapnik[8]等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 　　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。

  3. 所属分类：C++

    • 发布日期：2010-05-01
    • 文件大小：2097152
    • 提供者：zczhao2009

  1. 基于特征选择和svms的图像分类 MI算法

  2. 　支持向量机SVM(Support Vector Machine)作为一种可训练的机器学习方法,依靠小样本学习后的模型参数进行导航星提取,可以得到分布均匀且恒星数量大为减少的

  3. 所属分类：其它

    • 发布日期：2011-08-29
    • 文件大小：774144
    • 提供者：wodeyingzi001

  1. OpenCV机器学习SVM支持向量机的分类程序

  2. OpenCV机器学习SVM支持向量机的分类程序,便于ＳＶＭ的学习和理解

  3. 所属分类：C

    • 发布日期：2011-09-08
    • 文件大小：22528
    • 提供者：bzwqq

  1. 基于支持向量机与无监督聚类相结合的中文网页分类器

  2. 　提出了一种将支持向量机与无监督聚类相结合的新分类算法, 给出了一种新的网页表示方法并应用于网页 分类问题. 该算法首先利用无监督聚类分别对训练集中正例和反例聚类, 然后挑选一些例子训练 SVM 并获得SVM 分类器. 任何网页可以通过比较其与聚类中心的距离决定采用无监督聚类方法或 SVM 分类器进行分类. 该算法充分 利用了SVM 准确率高与无监督聚类速度快的优点. 实验表明它不仅具有较高的训练效率, 而且有很高的精确度

  3. 所属分类：互联网

    • 发布日期：2011-12-18
    • 文件大小：427008
    • 提供者：huangle86

  1. 支持向量机导论

  2. 　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。

  3. 所属分类：其它

    • 发布日期：2012-05-14
    • 文件大小：6291456
    • 提供者：yangkailulu

  1. 几种分类器NB SVM　ＫＮＮ　效果不错

  2. 图像处理中经常用到的几种分类器 支持向量机 K近邻等等 实验效果不错

  3. 所属分类：C++

    • 发布日期：2012-11-28
    • 文件大小：309248
    • 提供者：lilin020401

  1. 利用SVM的全极化_双极化与单极化SAR图像分类性能的比较

  2. 　支持向量机( SVM)以其在小训练样本时良好的分类性能,目前已广泛应用于多个领域。本文在极化 SAR图像特征提取基础上,将SVM应用于极化SAR图像分类,定性和定量地比较了全极化、双极化和单极化SAR 图像的分类性能,分析了不同的极化组合对分类结果的影响,并根据地物极化散射特性分析了分类精度差异的成 因。实测极化SAR数据的实验结果表明,全极化数据能获得最好的分类性能,双极化次之,单极化最低,且在某些 情况下,双极化与全极化分类性能接近。

  3. 所属分类：其它

    • 发布日期：2014-06-30
    • 文件大小：947200
    • 提供者：guiguifight

  1. 基于最小二乘支持向量机的图像边缘检测研究

  2. 　本文研究了基于最小二乘支持向量机(LS 2SVM )的图像边缘检测技术,利用LS 2SVM 对图像像素 邻域的灰度值进行曲面拟合,通过采用多项式核函数、高斯核函数推导出图像的梯度和零交叉算子,并结合梯度 算子和零交叉算子实现了图像边缘定位. 通过实验获取了不同核函数的最佳卷积核的大小,同时采用遗传算法对 不同核函数的参数进行寻优以获得最佳的边缘检测性能. 通过与Canny方法的实验比较,验证了本文提出的边缘 检测方法是有效的.

  3. 所属分类：制造

    • 发布日期：2017-03-05
    • 文件大小：690176
    • 提供者：luckygemstone

  1. 支持向量机svm

  2. English: libsvm_options: -s svm_type : set type of SVM (default 0) 0 -- C-SVC 1 -- nu-SVC 2 -- one-class SVM 3 -- epsilon-SVR 4 -- nu-SVR -t kernel_type : set type of kernel function (default 2) 0 -- linear: u'*v 1 -- polynomial: (gamma*u'*v + coef0

  3. 所属分类：机器学习

    • 发布日期：2017-07-07
    • 文件大小：245760
    • 提供者：qq_38684480

  1. python计算机视觉.pdf

  2. 高清完整版，极力推荐。 第1 章　基本的图像操作和处理 .....................................................................................................1 1.1　PIL：Python 图像处理类库.................................................................................................

  3. 所属分类：Python

    • 发布日期：2017-09-22
    • 文件大小：30408704
    • 提供者：donggua209

  1. 数据挖掘中的新方法_支持向量机

  2. 支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望本书能促进它在我国的普及与提高。 　　 本书对象既包括关心理论的研究工作者，也包括关心应用的实际工作者。对于有关领域的具有高等数学知识的实际工作者，略去书中的某些理论部分，仍能对支持向量机的本质有一个概括的理解，从而用它解决

  3. 所属分类：专业指导

    • 发布日期：2009-01-06
    • 文件大小：7340032
    • 提供者：fb540

  1. SVM用于基于内容的自然图像分类和检索

  2. 摘　要　在传统的基于内容图像检索的方法中,由于图像的领域较宽,图像的低级视觉特征和高级概念之间存在 着较大的语义间隔,导致检索效果不佳. 该文认为更有现实意义的做法是,缩窄图像的领域以减小低级特征和高级 概念间的语义间隔,并利用机器学习方法自动建立图像类的模型,从而提供用户概念化的图像查询方式. 该文以自 然图像领域为例,使用支持向量机(SVM) 学习自然图像的类别,学习到的模型用于自然图像分类和检索. 实验结果 表明作者的方法是可行的.

  3. 所属分类：专业指导

    • 发布日期：2009-04-10
    • 文件大小：304128
    • 提供者：u013522065

  1. 支持向量机(数学建模)

  2. 第三十一章　支持向量机(Support Vector Machine，SVM)是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 在机器学习中，支持向量机（SVM，还支持矢量网络）是与相关的学习算法有关的监督学习模型，可以分析数据，识别模式，用于分类和回归分析。

  3. 所属分类：算法与数据结构

    • 发布日期：2018-09-15
    • 文件大小：335872
    • 提供者：weixin_42142409

  1. 基于支持向量机的传感器动态建模方法.rar

  2. 基于支持向量机的传感器动态建模方法rar,动态建模　神经网络　支持向量机　拟合方法

  3. 所属分类：其它

    • 发布日期：2019-09-18
    • 文件大小：251904
    • 提供者：weixin_38744270

  1. 基于支持向量机的机器学习研究 Research of Machine-Learning Based Support Vector Machine

  2. 【摘要】 学习是一切智能系统最根本的特征。机器学习是人工智能最具智能特征、最前沿的研究领域之一。机器学习研究的是如何使机器通过识别和利用现有知识来获取新知识和新技能。机器学习就是要使计算机能模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善。　与传统统计学相比,统计学习理论是一种专门研究小样本情况下机器学习规律的理论。V.Vapnik　等人从六、七十年代开始致力于此方面研究,到九十年代中期,其理论不断发展和成熟。统计学习理论是建立在一套较坚实的理论基础之上的,为解决有限样

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：591872
    • 提供者：songzailu6482

  1. 嵌入式系统/ARM技术中的支持向量机语音识别算法在OMAP5912上的移植

  2. 随着语音识别和语音合成技术的不断更新与发展，将语音识别技术应用于嵌入式产品中已得到广泛应用。SVM(支持向量机)作为统汁概率模型已经被证明是一种很好的识别模型。OMAP5912处理器是由TI公司的TMS320C55X型DSP内核与低功耗、增强型ARM926EJ-S微处理器组成的双核应用处理器。ARM核可满足控制和接口方面的需要，DSP核以其低功耗高性能来实现多媒体应用。目前存0MAP平台上实现的多媒体应用有语音、音频、图像、视频等。在实验室开发的基于0MAP5912嵌入式语音识别系统上进行基于S

  3. 所属分类：其它

    • 发布日期：2020-11-06
    • 文件大小：191488
    • 提供者：weixin_38742927

  1. Python中支持向量机SVM的使用方法详解

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明 　　skleran中集成了许多算法，其导入包的方式如下所示， 　　逻辑回归：from sklearn.linear_model import LogisticRegression    

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：182272
    • 提供者：weixin_38738783

  1. 基于支持向量机的纯电动公交车充／换电站日负荷预测

  2. 讨论了基于相似日选取的支持向量机电动汽车日负荷预测方法。通过对北京现有纯电动公交车充／换电站充电负荷的大量调研，分析了公交车充电站充电负荷的数据特征，采用关联分析方法提取了影响电动公交站充电负荷的因素，基于相关因素应用灰色关联理论构建相似日的小样本集合，而后建立多输入单输出的支持向量机预测模型。针对支持向量机预测模型，提出了两阶段确定模型参数的方法，首先直接确定不敏感损失参数ε，再通过遗传算法寻找最优核参数p和正则化参数C，以提高参数ε选取范围设置较大时的预测精度。实例测试结果表明，日负荷预测的

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38665093
« 12 3 »