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. SVM的visual c++ 实现（含具体使用手册）

  2. SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2009-05-05
    • 文件大小：410624
    • 提供者：mingnice

  1. 支持向量机的外文资料~很难找的哦

  2. 这是关于支持向量机的几篇外文资料~~支持向量机 方法是确pnik等人根据统计学习 理论提出的一种新型的、有效的机器学习方法，它以结构风险最小化准则和VC维理 论为理论基础，通过适当地选择函数子集以及该子集中的判别函数，使学习机器的 实际风险达到最小，保证了通过有限训练样本得到小误差分类器。

  3. 所属分类：C++

    • 发布日期：2010-03-03
    • 文件大小：53248
    • 提供者：jietouxiaohu

  1. Predicting Structured Objects.pdf

  2. 支持向量机基于结构风险最小化原则,在经验风险和泛化能力之间折衷.它以其良好的性能,在分类领域得到越来越广泛的应用.探讨了SVM的基本原理,研究了在其基础上的一些改进算法,分析了它们之间的联系和区别,为在实际应用中选择最佳的模型提供参考

  3. 所属分类：其它

    • 发布日期：2010-04-23
    • 文件大小：716800
    • 提供者：benfei1

  1. 支持向量机MATLAB非线性回归

  2. 支持向量机非线性回归通用MATLAB源码 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合。

  3. 所属分类：网络基础

    • 发布日期：2010-09-30
    • 文件大小：8192
    • 提供者：zhangy21cn

  1. SVM 支持向量机的原理和应用

  2. Vapnik 提出的支持向量机（Support Vector Machine, SVM）以训练误差作为优化问题的约束条件，以置信范围值最小化作为优化目标，即SVM是一种基于结构风险最小化准则的学习方法，其推广能力明显优于一些传统的学习方法。

  3. 所属分类：专业指导

    • 发布日期：2010-10-25
    • 文件大小：1027072
    • 提供者：zrfine

  1. 机器学习之svm算法及其常用代码库

  2. SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全 svm 系列产品 局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2011-03-08
    • 文件大小：2097152
    • 提供者：onedream87

  1. 支持向量机载模式识别中的应用

  2. 研究了采用基于结构风险最小化原理的支持向量机对模式的分类方法,构造的分类模型结构简单,易于实 现,且泛化能力明显提高.

  3. 所属分类：制造

    • 发布日期：2011-04-08
    • 文件大小：46080
    • 提供者：bxiaojing

  1. 模式识别中的支持向量机方法

  2. 针对模式识别问题,描述了支持向量机的基本思想,着重讨论了ν-SVM、最小二乘SVM、加权SVM和直接 SVM等新的支持向量机方法,用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法、分解法,提 高泛化能力的模型选择方法,以及逐一鉴别法、一一区分法、M-ary分类法、一次性求解等多类别分类方法.最后给 出了污水生化处理过程运行状态监控的多类别分类实例.作为结构风险最小化准则的具体实现,支持向量机具有 全局最优性和较好的泛化能力.

  3. 所属分类：制造

    • 发布日期：2011-04-08
    • 文件大小：191488
    • 提供者：bxiaojing

  1. 自己动手写搜索引擎(罗刚著).doc

  2. 自己动手写搜索引擎 1 第1章 了解搜索引擎 1 1.1 Google神话 1 1.2 体验搜索引擎 1 1.3 你也可以做搜索引擎 4 1.4 本章小结 4 第2章 遍历搜索引擎技术 5 2.1 30分钟实现的搜索引擎 5 2.1.1 准备工作环境（10分钟） 5 2.1.2 编写代码（15分钟） 6 2.1.3 发布运行（5分钟） 9 2.2 搜索引擎基本技术 14 2.2.1 网络蜘蛛 14 2.2.2 全文索引结构 14 2.2.3 Lucene 全文检索引擎 15 2.2.4 Nut

  3. 所属分类：其它

    • 发布日期：2011-04-18
    • 文件大小：6291456
    • 提供者：qq736655941

  1. svm结构原理及方法介绍

  2. svm支持向量机原理的介绍以及方法的应用。

  3. 所属分类：专业指导

    • 发布日期：2008-10-01
    • 文件大小：81920
    • 提供者：harbor888

  1. 结构化svm代码-matlab版

  2. 结构化svm是svm的拓展，输出数据可以是结构化的数据格式。

  3. 所属分类：其它

    • 发布日期：2014-08-19
    • 文件大小：115712
    • 提供者：hs2024966214

  1. SVM 算法选股以及 Adaboost 增强

  2. 支持向量机的最大特点是改变了传统的经验风险最小化原则，而是针对结构风险最小化原则提出的，因此具有很好的泛化能力。同时，支持向量机在处理非线性问题时，通过将非线性问题转化为高维空间的线性问题，利用核函数替代高维空间中的内积运算，从而巧妙的解决了复杂计算问题，并且有效的克服了维数灾难以及局部极小问题。

  3. 所属分类：机器学习

    • 发布日期：2018-04-10
    • 文件大小：965632
    • 提供者：yeyeye37

  1. 基于结构化输出的目标跟踪算法——STRUCK

  2. 一种基于结构化输出的跟踪的方法，采用在线SVM分类器进行自适应跟踪，直接预测目标位置的变化，能够省去中间分类的步骤。

  3. 所属分类：图像处理

    • 发布日期：2018-04-10
    • 文件大小：972800
    • 提供者：u012060535

  1. 哈工大模式识别SVM讲义

  2. 哈工大模式识别SVM讲义，哈工大模式识别研究生课程资源数针对a的最大化,同吋考虑(7)式的约束,得到原始问题的对儁优化问题: 对偶优化问题 max(a)=2a1-2∑2xx (8) 约束 ≥0,i=1 22 原始优化问题和对偶优化问题都是典型的线性不等式约朿条件下的二次优化问题,求解 两者中的任何一个都是等价的。但SVM算法一般求解的是对偶问题,因为它有如下两个特 l、对偶问题不直接优化权值矢量w,因此与样本的特征维数d无关,只与样本的数量 n有关。当样本的特征维数很高时,对偶问题更谷易求解 2

  3. 所属分类：讲义

    • 发布日期：2019-03-03
    • 文件大小：239616
    • 提供者：qq_27328663

  1. mitie.tar.gz 资源包

  2. mitie资源包，免费下载，mitie是在dlib机器学习库之上开发的NLP工具包，支持分布式词嵌入和结构化SVM,提供英语，西班牙语，德语的预训练语言模型。

  3. 所属分类：软件测试

    • 发布日期：2020-06-13
    • 文件大小：16777216
    • 提供者：qq_38796548

  1. 基于SVM的人才资源对陕西经济增长影响的预测模型研究

  2. 在构建陕西省人才资源指标体系的基础上,运用SVM方法构建了陕西省人才资源与经济增长的关系模型,并与基于BP神经网络的模型进行了对比分析。结论表明:采用结构风险最小化准则的SVM回归方法比BP神经网络模型具有更高的预测精度,是经济增长预测研究中的一种新型、有效的方法。

  3. 所属分类：其它

    • 发布日期：2020-06-26
    • 文件大小：258048
    • 提供者：weixin_38642285

  1. 基于LS-SVM的回采工作面瓦斯涌出量预测

  2. 提出了一种基于最小二乘支持向量机(LS-SVM)的回采工作面瓦斯涌出量预测新方法.一方面,该方法基于结构风险最小化,能较好地解决小样本学习问题,避免了人工神经网络等智能方法在对回采工作面瓦斯涌出量进行预测时所表现出来的过学习、泛化能力弱等缺点;另一方面,该方法用等式约束代替不等式约束,降低了计算的复杂性,使得预测容易实现.实验表明,该方法具有预测精度高、速度快、容易实现等优点,适合对回采工作面瓦斯涌出量的预测.

  3. 所属分类：其它

    • 发布日期：2020-07-18
    • 文件大小：1048576
    • 提供者：weixin_38576922

  1. SVM简单理论推导word版

  2. 支持向量机的简单理论推导。支持向量机是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。 SVM使用铰链损失函数计算经验风险并在求解系统中加入了正则化项以优化结构风险，是一个具有稀疏性和稳健性的分类器。

  3. 所属分类：机器学习

    • 发布日期：2020-11-06
    • 文件大小：16384
    • 提供者：qq_43270828

  1. 通过卷积网络和结构化输出SVM进行对象跟踪

  2. 通过卷积网络和结构化输出SVM进行对象跟踪

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：1048576
    • 提供者：weixin_38618024

  1. 基于二维熵与自适应模板的非结构化道路检测

  2. 针对非结构化道路存在阴影、积水、结构多变等干扰，传统检测算法鲁棒性与实时性不高的问题，本文采用二维熵分割与自适应模板相结合的非结构道路检测算法。在二维最大熵分割基础上，引入自适应模板进行特征提取。采用SVM分类器，优化分割效果。考虑边界区域特征，利用改进分块算法，快速提取边界点。采用改进的随机最小二乘法拟合曲线，降低干扰点影响。实验结果表明，与两种传统方法相比，在5类场景下，平均准确率分别提高19.3%和5.3%，具有较强的鲁棒性与精确度。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：2097152
    • 提供者：weixin_38538472
« 12 3 »