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. 基于支持向量机的复杂背景下的人体检测

  2. 。为了简化SVM分类器的设计及提高机器学习的效率,提出了一 种星形向量表示法用于抽取目标的特征向量,并且用实验方法得到了这种表示法的最优表示。将SVM与ANN进 行比较,并且对不同内积函数的SVM的性能也进行了比较。实验结果表明, SVM的性能要优于ANN,并且采用径 向基函数的SVM性能最好。该方法鲁棒性强,正确率高,解决了复杂背景下运动人体实时检测的一些关键问题。

  3. 所属分类：专业指导

    • 发布日期：2009-05-11
    • 文件大小：429056
    • 提供者：victory1024

  1. 数据挖掘中的新方法：支持向量机.pdf

  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《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。 《数据挖掘中的新方法——支持向量机》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

  3. 所属分类：C

    • 发布日期：2010-03-24
    • 文件大小：7340032
    • 提供者：shiyoumaomao

  1. 支持向量积 svm

  2. 支持向量机，里面是程序，我自己调试通的，很有用，matble，希望对学习模式识别的人有所帮助

  3. 所属分类：专业指导

    • 发布日期：2010-06-27
    • 文件大小：2048
    • 提供者：wangwise

  1. SVM支持向量机

  2. 直观快捷的svm，首先查看readme，里面有在matlab中的编译方法，非常好懂。

  3. 所属分类：其它

    • 发布日期：2014-03-07
    • 文件大小：153600
    • 提供者：aaaxvgjkllff

  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. SupportVectorMachine

  2. 支持向量积知识的介绍和学习，对于初学者来说是很好的资料，很容易上手

  3. 所属分类：专业指导

    • 发布日期：2009-02-21
    • 文件大小：369664
    • 提供者：htcloudy

  1. 融合卷积神经网络与支持向量机的表情识别.pdf

  2. 融合卷积神经网络与支持向量机的表情识别.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-13
    • 文件大小：3145728
    • 提供者：anitachiu_2

  1. 融合卷积神经网络与支持向量机的表情识别.pdf

  2. 融合卷积神经网络与支持向量机的表情识别.pdf

  3. 所属分类：机器学习

    • 发布日期：2020-05-11
    • 文件大小：3145728
    • 提供者：anitachiu_2

  1. 基于卷积神经网络的矿工面部表情识别方法

  2. 针对传统的矿工面部表情识别方法识别率较低、算法复杂等问题,以卷积神经网络为基础,结合支持向量机算法中的非线性映射函数,提出了基于卷积神经网络的矿工面部表情识别方法。卷积神经网络采用权值共享的策略,运用固定权值直接构造卷积层,并依照匹配生长规则确定网络层次结构。将经过预处理的矿工面部表情图像作为卷积神经网络的测试集和训练集,使用支持向量机对表征矿工面部表情特征的神经元进行分类,从而实现对矿工面部表情的分类识别。实验结果表明,该方法对矿工面部表情的识别率达到90.71%,能够满足实际应用需要。

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：1048576
    • 提供者：weixin_38558054

  1. 基于模糊积分集成向量积的数据挖掘方法探讨

  2. 基于模糊积分集成向量积的数据挖掘方法探讨，吴冲，陈贤品，支持向量机（SVM）作为数据挖掘的应用已经成了研究热点，但它多层分类问题中应有改进之处。基于模糊积分集成向量机方法是在SVM基础

  3. 所属分类：其它

    • 发布日期：2020-02-05
    • 文件大小：328704
    • 提供者：weixin_38590355

  1. 卷积神经网络实现手写数字识别

  2. 卷积神经网络实现手写数字识别训练模型及可视化，支持向量机实现手写数字识别 训练模型，贝叶斯分类器实现手写数字识别训练模型，mnist数据集提取成28*28的图片形式，包含代码及25页作业报告

  3. 所属分类：其它

    • 发布日期：2020-06-28
    • 文件大小：1048576
    • 提供者：Alon_0

  1. 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

  2. 为提高地区负荷预测的运算效率和预测精度，本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先，通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次， 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后，基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后，分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷，并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬

  3. 所属分类：讲义

    • 发布日期：2020-09-03
    • 文件大小：684032
    • 提供者：SparkQiang

  1. 基于时域卷积网络精细化光伏发电功率预测_刘文杰.pdf

  2. 针对传统光伏功率预测算法模型没有与时间序列结合而引发精度不高的问题，提出了一种基于时域卷积 网络精细化的光伏发电功率预测方法。该预测模型利用卷积神经网络并融合了因果卷积和膨胀卷积；在卷积特征 上，使用跨层连接；在损失函数上，增加了自适应影响因子；在特征工程上，将数值气象预报发布的多个预测数 据与时间特征结合进行多特征预测。根据新疆、华东两个光伏电场数据集的预测结果显示，与支持向量机算法和 未加入时域特性的神经网络算法对比，该算法在光伏功率预测精度上均有不同程度的提升，充分证明了有效性。

  3. 所属分类：讲义

    • 发布日期：2020-10-19
    • 文件大小：2097152
    • 提供者：SparkQiang

  1. 机器学习算法总结2:感知机和支持向量机

  2. 感知机于1957年由Rosenblatt提出，是神经网络与支持向量机的基础。感知机二类分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值，该模型属于判别模型，旨在求出将训练数据进行线性划分的分离超平面。 1.模型： 假设数据集满足线性可分性，由输入空间到输出空间的决策函数如下： w为权值(或权值向量)，b为偏置，w·x表示w和x的内积，sign是符号函数，即： 1.向量内积(向量点乘、数量积)：对两个向量的对应位置一一相乘求和的结果，点乘的结果是一个标量； 2.向

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：174080
    • 提供者：weixin_38663452

  1. 5.6 深度卷积神经网络（AlexNet）

  2. 在LeNet提出后的将近20年里，神经网络一度被其他机器学习方法超越，如支持向量机。虽然LeNet可以在早期的小数据集上取得好的成绩，但是在更大的真实数据集上的表现并不尽如人意。 神经网络计算复杂。虽然20世纪90年代也有过一些针对神经网络的加速硬件，但并没有像之后GPU那样大量普及。因此，训练一个多通道、多层和有大量参数的卷积神经网络在当年很难完成。 当年研究者还没有大量深入研究参数初始化和非凸优化算法等诸多领域，导致复杂的神经网络的训练通常较困难。 我们在上一节看到，神经网络可以直接基于图像

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：117760
    • 提供者：weixin_38529123

  1. 基于分层池的深度卷积神经网络用于人类动作识别

  2. 基于视频的人体动作识别是计算机视觉中一个活跃且具有挑战性的话题。过去几年，深度卷积神经网络（CNN）成为最受欢迎的方法，并在HMDB-51和UCF-101等多个数据集上达到了最先进的性能。 由于每个视频都具有多种帧级功能，因此如何组合这些功能以获得良好的视频级功能成为一项艰巨的任务。 因此，本文提出了一种基于深度卷积神经网络（SP-CNN）的新颖的动作识别方法-分层池化。 该过程主要由五个部分组成：（i）在目标数据集上微调预训练的CNN，（ii）帧级特征提取； （iii）用于减少特征维数的主成分

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：1048576
    • 提供者：weixin_38560797

  1. 神经网络比较研究：自动化的面部表情识别系统具有许多应用。 随着深度学习技术的成功，FER系统变得越来越好。 该项目对深度面部表情识别系统进行了全面的调查。 使用各种卷积神经网络和支持向量机模型进行了比较研究。 结果表明，结合CNN和SVM的

  2. 神经网络的比较研究 自动化的面部表情识别系统具有许多应用。 随着深度学习技术的成功，FER系统变得越来越好。 该项目对深度面部表情识别系统进行了全面的调查。 使用各种卷积神经网络和支持向量机模型进行了比较研究。 结果表明，结合CNN和SVM的功能可提供更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42109925

  1. 基于回归型最小二乘支持向量机卷积模板的椒盐噪声开关滤波器

  2. 针对椒盐噪声的特点, 提出了一种以回归型最小二乘支持向量机(Least square support vector regression , LS-SVR)为数据恢复算法的开关型滤波器。首先利用max-min算子对滤波窗口中心点进行噪声判别, 若中心点不是窗口极值, 则将其正常输出, 若为极值, 则将其判定为噪声, 并进一步将窗口分为只有中心点被污染和多点被沾染二类, 利用LS-SVR良好的数据逼近能力, 对窗口进行曲面拟合, 实现了被污染的数据点的有效恢复, 减小了被误判为噪声的数据点的损害。

  3. 所属分类：其它

    • 发布日期：2021-02-10
    • 文件大小：2097152
    • 提供者：weixin_38660813

  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
« 12 3 4 5 6 »