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. 基于小波包与支持向量机的复杂信号模式识别

  2. 为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量.利用"一对一"的分类策略和二又树构建多类支持向量机分类器,经训练后可以有效地对前臂8种动作的表面肌电信号进行识别,8种动作的平均识别率达到99.375%.实验结果表明,支持向量机分类器的识别率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且鲁棒性好,并具有良好的泛化推广能力.

  3. 所属分类：网络基础

    • 发布日期：2009-07-18
    • 文件大小：309248
    • 提供者：shushenlw

  1. 用于车牌字符识别的SVM算法

  2. 支持向量机(SVM)是2O世纪9O年代初由Vapnik等人提出的一类新型机器学习方法，此方法能够在训练样 本很： 的情况下达到很好的分类推广能力。本文应用SVM 算法时车牌中的汉字字符进行识别，无字符特征提取提高了识别 速度，并且可得到较高的识别率。实验讨论了SVM 算法用于字符识别时，不同的核函数时识别率的影响。实验结果表明， 用SVM 算法进行车牌字符识别具有较高的识别率。

  3. 所属分类：其它

    • 发布日期：2009-09-09
    • 文件大小：134144
    • 提供者：hzdwgf

  1. 基于模板匹配与支持矢量机的人脸检测

  2. 基于模板匹配与支持矢量机的人脸检测.pdf 基于模板匹配与支持矢量机的人脸检测.pdf

  3. 所属分类：专业指导

    • 发布日期：2010-04-10
    • 文件大小：492544
    • 提供者：mykoma521

  1. 基于VC++平台开发的交通检测工具

  2. 文章介绍了利用车牌的纹理特征和区域形状特征检测车牌区域情况。为提高区域检 测的正确性, 利用新的改进的主动轮廓模型, 利用先验知识确定精确的车牌边界。在精确的车牌区 域中切割出车牌中的单个字符, 最后利用支持矢量机对字符进行分类识别。

  3. 所属分类：交通

    • 发布日期：2010-05-01
    • 文件大小：1048576
    • 提供者：zc380599714

  1. SVM支持矢量机工具包

  2. svm tools 支持矢量机的工具包，用MATLAB编写的，希望大家多多支持！！！！

  3. 所属分类：其它

    • 发布日期：2010-05-07
    • 文件大小：247808
    • 提供者：lb11111

  1. 数字通信信号的自动识别与参数估计研究

  2. 本文在前人工作的基础上，结合具体工程实践，主要研究了数字通信信号调制 样式的自动识别与参数估计技术。所做的工作主要包括： 1、提出了利用小波变换结合谱分析技术估计数字通信信号码速率的方法；提出 了采用总体概率分布估计与支持矢量机分类器相结合对多进制数字基带信号自动分 类的方法。证明了小波变换系数模值构成的单极性基带序列的功率谱在其码速率整数 倍处存在离散谱线，检测这些离散谱线可实现数字基带序列码速率的盲估计。这种方 法实现简单且有较好的估计精度。指出了不同类型的数字基带信号对应不同的总体概 率

  3. 所属分类：专业指导

    • 发布日期：2012-01-06
    • 文件大小：8388608
    • 提供者：guangyu99

  1. SVM入门讲解

  2. 这是一个关于SVM（支持矢量机）的入门文档，作者用浅显移动的语言简要介绍SVM的基本原理，特别适合初学者！

  3. 所属分类：专业指导

    • 发布日期：2012-05-02
    • 文件大小：630784
    • 提供者：zistorm

  1. 支持矢量机三分类

  2. 对鸢尾科植物数据集进行三分类问题，通过不断改进算法和调节参数，得到了较好的实验结果，使我们更好地理解了SVM算法的优势。与此同时也结合统计学习理论（Statistical Learning Theory或SLT），即一种专门研究小样本情况下机器学习规律的理论，重点介绍了其研究热点支持向量机的原理及应用。

  3. 所属分类：其它

    • 发布日期：2013-12-26
    • 文件大小：6144
    • 提供者：u011575273

  1. SVM 工具箱

  2. SVM工具箱，用于SVM支持矢量机对样品进行分类

  3. 所属分类：其它

    • 发布日期：2014-03-22
    • 文件大小：153600
    • 提供者：ma6312201

  1. the Morlet wavelet kernel based on SVM

  2. the Morlet wavelet kernel based on SVM 基于小波核函数的支持矢量机分类算法

  3. 所属分类：其它

    • 发布日期：2014-08-24
    • 文件大小：1024
    • 提供者：zbdx2011

  1. 基于支持矢量机回归的机器人视觉系统定位精度

  2. 如何提高工业机器人视觉系统在不确定性动态环境中的定位精度是机器人完成复杂任务的一个关键技术问题。针对采 用单摄像机的机器人和基于位置的视觉伺服控制存在的精度问题，提出一种将基于模型控制方法和基于智能计算方法相结合 的方法，以面向小样本原理的支持矢量机回归来构建控制系统误差校正模型，应用该模型对机器人末端在同一个平面上的定 位误差进行校正，并且与线性插值、神经网络模型的误差校正结果进行比较分析。现场试验证明，该方法有利于提高机器人 的视觉定位精度，能够满足工业机器人进行抓取和装配等任务的需要。

  3. 所属分类：制造

    • 发布日期：2017-03-05
    • 文件大小：1048576
    • 提供者：luckygemstone

  1. 支持向量机推广能力分析

  2. 针对两种不同用途的支撑矢量机,分类支撑矢量机和回归支撑矢量机,分别证明了它们的一些几 何性质,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力,新增样本对支撑矢量,非支撑矢量的影响 以及新增样本本身的一些特点,得到了一些非常有价值的结论. 从这些结论可以看出支撑矢量机对新增样本具有良好 的推广能力,即对新增样本的良好的包容性和适应性,并且支撑矢量机是一种可积累的学习模型.

  3. 所属分类：专业指导

    • 发布日期：2009-04-09
    • 文件大小：181248
    • 提供者：lysh1987

  1. SVM支持向量机代码解释

  2. SVM支持向量机，预测分类 回归，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：机器学习

    • 发布日期：2018-05-08
    • 文件大小：424960
    • 提供者：qq_39925861

  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. 支持矢量机的参数优化

  2. 优化支持矢量机参数

  3. 所属分类：其它

    • 发布日期：2018-10-09
    • 文件大小：1007616
    • 提供者：weixin_42364945

  1. ZiLOG推出首例支持矢量控制性能的8位MCU

  2. ZiLOG Inc.(纳斯达克交易代码：ZILG)宣布：该公司的Z8Encore! MC:trade_mark:(FMC16100系列)是首例支持矢量控制(vector control)性能的8位MCU，这项创新大大降低了制造商的材料清单(BOM，bill of materials)成本，以及在家用电器如洗碗机和洗衣机等所使用的能源消耗和用水量。这些因素不仅为消费者和环境带来好处，也有助于延长产品自身的使用寿命。 　　先前有人主张矢量控制只属于数字信号处理器(DSP,digital signal

  3. 所属分类：其它

    • 发布日期：2020-11-30
    • 文件大小：81920
    • 提供者：weixin_38732463

  1. 支持向量机在正则化路径上的近似模型选择

  2. 模型选择问题是支持向量机的基本问题。基于核矩阵近似计算和正则化路径，提出一个新的支持向量机模型选择方法。 -α，证明KMA-α的近似偏差界定理，并得到支持矢量机的模型近似误差界。然后，提出近似模型选择算法AMSRP。该算法应用KMA-α计算的核矩阵的低秩近似来提高支持最后，通过标准数据集上的对比实验，验证了AMSRP的可行性和计算效率。实验结果显示，AMSRP可在保证测试集准确率的降低，显着地提高支持向量机模型选择的效率。理论分析与实验结果表明，AMSRP是一种合理，高效的模型选择算法。

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38512659

  1. KMA-α：支持向量机的核矩阵逼近算法

  2. 核矩阵计算是恢复支持向量机的关键，已有的精确计算方法难以处理大规模的样本数据。纹理，研究核矩阵的近似计算方法。首先，采用支持矢量机的凸二次约束线性规划表示，然后，综合蒙特卡罗方法和不完全Cholesky分解方法，提出一个新的核矩阵近似算法KMA-α，该算法首先对核矩阵进行蒙特卡洛随机采样，采样后不直接进行奇异值分解，又应用了对称替换的不完全Cholesky分解来计算近似最优的低秩近似。以KMA-α输出的近似核矩阵作为支持矢量机的输入，可提高支持向量机二阶锥规划优化的效率。进一步，分析了KMA-α

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：1048576
    • 提供者：weixin_38614825

  1. 基于主成分分析和线性判别分析的高光谱数据相关矢量机分类

  2. 相关性向量机（RVM）是一种机器学习技术，它使用贝叶斯推理来获取回归和概率的简约解。 与支持向量机（SVM）相比，RVM的贝叶斯公式避免了SVM的自由参数集。 然而，当应用于高光谱数据时，RVM的分类精度不高。 提出了一种基于RVM的分类方法。 该方法结合了主成分分析（PCA）和线性判别分析（LDA）以减少高光谱数据的维数。 首先，将PCA用于一维降维，并获得非奇异的类内散布矩阵。 其次，将LDA应用于第二维降维，大大减少了计算量。 最后，将相关向量机模型应用于遥感图像分类。 本文使用了1992

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：340992
    • 提供者：weixin_38731199

  1. Big_Data_Project：虚假新闻检测-使用矢量化（例如计数矢量化器，TFIDF矢量化器，哈希矢量化器）进行特征提取。 然后使用Ensemble模型对新闻是否为假新闻进行分类-源码

  2. Big_Data_Project-伪造新闻检测 在这个项目中，我们展示了使用机器学习算法进行文本分类。 我们致力于对给定的新闻文章是假的还是真实的进行分类。 数据清理和预处理： 删除了文本中的特殊字符拼写检查了所有文档删除了停用词对文档进行矢量化处理。 向量化 对于矢量化，我们使用了-计数矢量化器，TFIDF矢量化器，哈希矢量化器。 分类 对于分类目的，我们使用了：多项朴素贝叶斯，支持向量机（LinearSVC），PassiveAgressiveClassifier。 我们比较了矢量化器和分类

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：12582912
    • 提供者：weixin_42133415
« 12 3 4 5 6 7 »