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. 粒子群算法训练支持向量机

  2. 本程序用量子行为的粒子群算法训练支持向量机，并用IRIS数据验证了该方法的有效性.

  3. 所属分类：其它

    • 发布日期：2009-05-15
    • 文件大小：15360
    • 提供者：dsm07204051

  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. 基于模糊训练数据的支持向量机与模糊线性回归

  2. 支持向量机作为1种机器学习方法已广泛应用于模式识别及函数拟合．但在支持向量机中，训练数据均为精确数据．针对训练数据的输入是模糊数的情况，研究基于模糊训练数据的分类型支持向量机，并给出其解法．然后应用基于模糊训练数据的支持向量机研究模糊线性回归问题．

  3. 所属分类：专业指导

    • 发布日期：2010-03-09
    • 文件大小：141312
    • 提供者：dongleniu

  1. 支持向量机在线训练算法及其应用

  2. 针对支持向量机在线训练算法训练速度较慢和无法处理边缘支持向量集合为空的缺点,以KKT 条件和拉 格朗日乘数法为基础,用严格的数学推导得到一种改进的训练算法. 通过建立一个矩阵缓存来保存与核函数相关的 数据,给出在算法中有效操作该矩阵缓存的方法以加快训练速度;边缘支持向量集合为空时,修改模型的偏值项使 样本进入该集合,训练算法得以继续运行;并讨论了该算法在在线系统辨识中的应用. 仿真实验和分析结果表明: 对 于非线性时变系统,改进算法的建模精度较高,训练速度较原算法有了很大的提高.

  3. 所属分类：其它

  1. 支持向量机训练算法的研究与优化

  2. 很不错的资料 关于支持向量机算法方面的论文 很有参考的价值

  3. 所属分类：其它

    • 发布日期：2010-03-21
    • 文件大小：3145728
    • 提供者：cyp115917

  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. 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. SVM入门 支持向量机

  2. 支持向量机(Support Vector Machine)是Cortes和Vapnik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[10]。 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，Accuracy)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[14](或称泛化能力)。

  3. 所属分类：C++

    • 发布日期：2010-12-15
    • 文件大小：520192
    • 提供者：SpeechTech

  1. 支持向量机工具箱,教你如何训练SVM和进行特征分类

  2. 支持向量机工具箱,内含demo程序,教你如何训练SVM和进行特征分类

  3. 所属分类：专业指导

    • 发布日期：2011-03-02
    • 文件大小：461824
    • 提供者：jony1981lsj

  1. 支持向量机ppt 训练分类器

  2. 支持向量机的说明ppt 训练分类器，用于图像视频的训练分类

  3. 所属分类：专业指导

    • 发布日期：2011-03-08
    • 文件大小：198656
    • 提供者：bnulihe

  1. 支持向量机训练和实现算法综述.PDF

  2. 介绍了支持向量机的目前研究、应用状况和新进展的 基础上，对支持向量机训练和实现算法进行了综述，最后指出了进一步研究和应用亟待解决的一些问题

  3. 所属分类：专业指导

    • 发布日期：2011-04-11
    • 文件大小：276480
    • 提供者：smlping

  1. 支持向量机完整版（SVM）可以用来进行设别训练

  2. 支持向量机完整版（SVM）可以用来进行设别训练，内有源码

  3. 所属分类：C++

    • 发布日期：2011-04-17
    • 文件大小：1048576
    • 提供者：windlearn

  1. 支持向量机SVM-light

  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：C++

    • 发布日期：2011-07-05
    • 文件大小：59392
    • 提供者：sunboy975376

  1. 基于支持向量机的语音隐藏信息盲检测方法

  2. 描述了一种基于支持向量机(SVM)的语音隐藏信息盲检测方法。该方法先用方差分析法(ANOVA)选 择语音质量评估参数种类和数量，将挑选出的语音质量评估参数用于SVM 分类机的训练，通过SVM 的学习对可疑的 语音进行隐藏信息盲检测。实验结果表明，该方法对常用的变换域信息隐藏方法有较好的检测效果。

  3. 所属分类：其它

    • 发布日期：2011-08-26
    • 文件大小：299008
    • 提供者：a116509572

  1. 人脸识别分类中常用方法——支持向量机算法综述

  2. 首先介绍了支持向量杌的理论基础，随后引入支持向量机的概念、几何解释和基本公式，讨论比较了近 几年出现的主要的几种支持向量机的训练算法，在上述算法的基础之上重点研究了当前比较先进的算法——改进的 SMO算法，最后概述了支持向量机的研究现状和发展前景。

  3. 所属分类：专业指导

    • 发布日期：2011-08-31
    • 文件大小：145408
    • 提供者：pingkai214

  1. 基于支持向量机的传输线故障类型识别算法

  2. 针对电力传输路由线路故障类参数多识别率不高等问题,利用提取故障特征向量和支持向量机结合的算法识别线路故障类型.提取故障线路特征向量,采集变化量的有效值,计算突变量所占三相突变量有效值总和的比例系数,将比例系数与零序电流判别系数结合构造故障特征向量.训练支持向量机以测试集特征向量作为输入,利用训练好的支持向量机判别分类,实现故障类型识别.实验表明,提出算法可克服多重困难针对输电线路十种类型故障进行学习并识别,并保证精度和效率.

  3. 所属分类：其它

    • 发布日期：2020-05-25
    • 文件大小：1048576
    • 提供者：weixin_38703866

  1. 支持向量机优化基于K-means的蚁群聚类算法

  2. 基于K-means算法思想改进蚁群聚类算法聚类规则，提出一种新的K-means蚁群聚类算法，并通过实验验证其聚类效果；引入具有全局最优性的支持向量机SVM，取各类中心附近适当数据训练支持向量机，然后利用已获模型对整个数据集进行重新分类，进一步优化聚类结果，使聚类结果达到全局最优。UCI数据集实验结果表明，新的算法可以明显提高聚类质量。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：409600
    • 提供者：weixin_38663973

  1. 支持向量机的样本减少方法

  2. 训练支持向量机（SVM）需要解决非常大的二次规划（QP）优化问题。 传统方法（例如，牛顿法）用于解决此问题，这可能导致训练缓慢并占用大量内存，尤其是对于大型训练集。 这些缺点限制了SVM的应用。 为了提高支持向量机的训练速度并减少存储需求内存，本文提出了一种通过从原始集合中提取边界样本来减少训练数据量的新方法。 人工集和UCI集用于测试我们方法的性能。 当训练集是线性可分离的时（例如LS-600和LS-1600），压缩率可以达到93.8％和98.7％，而准确性都达到100.0％。 该方法在非线性

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：328704
    • 提供者：weixin_38642636

  1. 支持向量机多类分类的数字调制方式识别

  2. 针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：78848
    • 提供者：weixin_38633967
« 12 3 4 5 6 7 8 9 10 ... 31 »