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. 支持向量机（学习系列 1）

  2. 支持向量机 支持向量机（学习系列） 学习渐进教程 强烈推荐 希望对大家有帮助！

  3. 所属分类：专业指导

    • 发布日期：2009-10-09
    • 文件大小：455680
    • 提供者：liuxiaofei1986

  1. 本科毕业论文 基于支持向量机（SVM）的蘑菇毒性检测系统

  2. 本科毕业论文 基于支持向量机（SVM）的蘑菇毒性检测系统 目 录 摘 要 II 关键词 II Abstract II Key Words II 1引言 1 1.1研究意义 1 1.2国内外研究情况 1 2支持向量机理论 3 2.1支持向量机基础理论 3 2.2 C-SVM算法及其变形算法 7 2.3 V-SVM算法 9 3 LIBSVM软件 12 3.1 LIBSVM软件简介 12 3.2 LIBSVM软件的使用方法 12 3.3 LIBSVM的工具包 15 4 Qt图形库 18 5 系统的设

  3. 所属分类：其它

    • 发布日期：2010-01-13
    • 文件大小：745472
    • 提供者：macalyou

  1. 支持向量机（svm）软件下载

  2. 支持向量机软件 能够处理分类问题很容易，简单易学

  3. 所属分类：专业指导

    • 发布日期：2010-07-12
    • 文件大小：777216
    • 提供者：zxcvbnmhjklmn

  1. 支持向量机的程序例子

  2. 这里有一些支持向量机（svm）的程序例子，有分类也有回归的，分类有二维分类、还有多维分类的，在用之前安装一个svm的工具箱就行

  3. 所属分类：专业指导

    • 发布日期：2011-02-26
    • 文件大小：3145728
    • 提供者：shuimo1

  1. 用C++实现的支持向量机（SVM）源程序

  2. 用C++实现的支持向量机（SVM）源码，简单易学，有详细的注释，适合初学者的学习。

  3. 所属分类：C++

    • 发布日期：2011-03-06
    • 文件大小：10240
    • 提供者：zhengpt

  1. SVM(支持向量机)入门

  2. 支持向量机（svm）的基础学习资料，感兴趣的来看看吧。

  3. 所属分类：其它

    • 发布日期：2011-11-16
    • 文件大小：553984
    • 提供者：xincunf2

  1. 有关支持向量机（SVM）的代码

  2. 有关支持向量机（SVM）的代码，其中的分类算法是应用的SMO算法

  3. 所属分类：C++

    • 发布日期：2011-12-04
    • 文件大小：62464
    • 提供者：smilezijing

  1. 基于支持向量机（SVM）的乳腺癌诊断

  2. 支持向量机SVM是一种新的机器学习方法，其基础是统计学理论。模型泛化能力强；进行非线性分类时通过高维空间变换。

  3. 所属分类：电信

    • 发布日期：2012-03-15
    • 文件大小：8192
    • 提供者：summersunshines

  1. 支持向量机（SVM）matlab代码

  2. 支持向量机（SVM）matlab代码，用于二分类问题的模板。

  3. 所属分类：机器学习

    • 发布日期：2017-12-16
    • 文件大小：4096
    • 提供者：qq_25035339

  1. 学习支持向量机（svm）

  2. 支持向量机（SVM）是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，学习策略是间隔最大化，最终可转化为一个凸二次规划问题的求解。包含三个由简至繁的模型：线性可分支持向量机、线性支持向量机、非线性支持向量机。学习支持向量机一个比较高效的方法是序列最小最优算法。

  3. 所属分类：机器学习

    • 发布日期：2018-01-03
    • 文件大小：2097152
    • 提供者：sixi5498

  1. 支持向量机（SVM）与SMO算法介绍.pptx

  2. 支持向量机的功能、本质、基本理解以及公式的解释； SMO算法的理解、步骤以及算法流程 文档格式：pptx

  3. 所属分类：机器学习

    • 发布日期：2020-05-27
    • 文件大小：34603008
    • 提供者：weixin_43257886

  1. 支持向量机（Support Vector Machines，SVM）

  2. 文章目录1. 线性可分SVM 与 硬间隔最大化1.1 线性可分SVM1.2 函数间隔、几何间隔1.3 间隔最大化2. 线性SVM 与 软间隔最大化2.1 线性SVM3. 非线性SVM 与 核函数3.1 核技巧/核函数3.2 常用核函数3.3 非线性SVM分类4. 序列最小最优化算法5. sklearn SVC 实例6. 课后习题 支持向量机（SVM）是一种二类分类模型。 支持向量机还包括核技巧，实质上是非线性分类器。 学习策略：间隔最大化 学习算法：求解凸二次规划的最优化算法。 当训练数据线性可

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：460800
    • 提供者：weixin_38672815

  1. Prudential-Life-Insurance-Risk-Prediction:机器学习算法适用于大量申请人数据，以预测其人寿保险风险。 这些算法包括线性回归，决策树，支持向量机（SVM）和XGBoost-源码

  2. Prudential-Life-Insurance-Risk-Prediction:机器学习算法适用于大量申请人数据，以预测其人寿保险风险。 这些算法包括线性回归，决策树，支持向量机（SVM）和XGBoost

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：3145728
    • 提供者：weixin_42099530

  1. 网络入侵检测使用机器学习技术：使用支持向量机（SVM），决策树，朴素贝叶，K最近邻（KNN），逻辑回归和随机森林等算法对网络入侵进行分类-源码

  2. 网络入侵检测使用机器学习技术：使用支持向量机（SVM），决策树，朴素贝叶，K最近邻（KNN），逻辑回归和随机森林等算法对网络入侵进行分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42116058

  1. liquidSVM：支持向量机（SVM）和相关的基于内核的学习算法是一类著名的机器学习算法，用于非参数分类和回归。 liquidSVM是SVM的一种实现，其主要特征是：完全集成的超参数选择，小型和大型数据集上的极高速度，专家的完全灵活性以及

  2. 一般信息 支持向量机（SVM）和相关的基于内核的学习算法是一类知名的机器学习算法，用于非参数分类和回归。 liquidSVM是SVM的实现，其主要功能是： 完全集成的超参数选择， 无论大小数据集，其速度都极高， ， ， ， 和绑定， 为专家提供充分的灵活性，以及 包括各种不同的学习场景： 多类别分类，ROC和Neyman-Pearson学习， 最小二乘，分位数和预期回归。 如有疑问和意见，请通过与我们联系。 您也可以在此处要求注册到我们的邮件列表。 liquidSVM已根据

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：5242880
    • 提供者：weixin_42097450

  1. Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类-源码

  2. Traffic_sign_recognition：使用定向梯度直方图（HOG）和基于色域的功能识别交通标志。 支持向量机（SVM）用于对图像进行分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：2097152
    • 提供者：weixin_42135754

  1. mySVM-MATLAB：这是我使用MATLAB实现的支持向量机（SVM）和转换型SVM（TSVM）的实现-源码

  2. mySVM-MATLAB：这是我使用MATLAB实现的支持向量机（SVM）和转换型SVM（TSVM）的实现

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：1048576
    • 提供者：weixin_42099070

  1. svm_mnist_digit_classification：具有scikit学习和支持向量机（SVM）算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的，我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能，而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化，但结果还是不错的（请参见下表）。 如果您想获得最佳性能，这两个资源将向您展示当前的最新解决方案： 下表显示了与其他模型相比的一些结果：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：50176
    • 提供者：weixin_42150341

  1. mnist分类：Pytorch，Scikit学习实现多种分类方法，包括逻辑回归（Logistic回归），多层感知机（MLP），支持向量机（SVM），K近邻（KNN），CNN，RNN，极简代码适合新手小白入门，附英文实验报告（ACM模板）-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42109125

  1. h2o-3：H2O是一个开源，分布式，快速且可扩展的机器学习平台：深度学习，梯度提升（GBM）和XGBoost，随机森林，广义线性建模（带有弹性网的GLM），K均值，PCA，广义附加模型（GAM），RuleFit，支持向量机（SVM），堆叠

  2. 水 H2O是用于分布式，可扩展的机器学习的内存平台。 H2O使用熟悉的界面（例如R，Python，Scala，Java，JSON和Flow笔记本/网络界面），并与Hadoop和Spark等大数据技术无缝协作。 H2O提供了许多流行实现，例如广义线性模型（GLM），梯度提升机（包括XGBoost），随机森林，深层神经网络，堆叠体，朴素贝叶斯，广义加性模型（GAM），考克斯比例危害，K-表示PCA，Word2Vec以及全自动机器学习算法（ ）。 H2O是可扩展的，因此开发人员可以添加自己选择的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：92274688
    • 提供者：weixin_42126668
« 12 3 4 5 6 7 8 9 10 ... 28 »