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. 支持向量机非线性回归通用matlab程序

  2. 支持向量机非线性回归通用matlab程序，本程序使用支持向量机法，实现对数据的非线性回归，核函数的设定和修改在函数内部进行，数据预处理在函数外部进行，简单易懂，希望能对大家有所帮助！

  3. 所属分类：其它

    • 发布日期：2009-08-05
    • 文件大小：3072
    • 提供者：chuanqiu313

  1. 基于SVM 与遗传算法的非线性模式识别

  2. 】设计了一种支持向量机的模型结构，以遗传算法进行该模型参数的组合优化建模，并将其用于非线性 模式识别，该方法不仅对线性问题有效，对非线性问题同样适用有效；该法简洁易行，优于多段线性分类器设 计方法与BP误差回传网络算法，通过实例验证其识别效率达10o％ 。

  3. 所属分类：其它

    • 发布日期：2009-11-11
    • 文件大小：226304
    • 提供者：sbfj_88999

  1. SVM算法，包括线性和非线性分类

  2. SVM算法，包括线性和非线性分类,是模式别别中的典型算法和应用

  3. 所属分类：其它

  1. 有关SVM的分类原理的简介

  2. 简单的介绍了有关SVM的原理：SVM的主要思想可以概括为两点: 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。

  3. 所属分类：其它

    • 发布日期：2010-04-12
    • 文件大小：47104
    • 提供者：qqxyj051224

  1. SVM matlab

  2. 支持向量机非线性回归通用matlab代码

  3. 所属分类：其它

    • 发布日期：2010-04-20
    • 文件大小：1024
    • 提供者：ufozy110

  1. 支持向量机非线性回归通用matlab程序

  2. 通用的matlab程序，主要讲解支持向量机的非线性回归，望大家踊跃下载

  3. 所属分类：其它

    • 发布日期：2010-04-27
    • 文件大小：1024
    • 提供者：jiadewei

  1. SVM入门级别教程，适合初学者

  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。

  3. 所属分类：专业指导

    • 发布日期：2010-04-28
    • 文件大小：398336
    • 提供者：huangxiao421

  1. SVR（SVM）（）（）

  2. 对于分类问题，支持向量机的基本思想是将线性不可分样 本经非线性变换币映射到另一个高维空间E中，在变换后的 空J’日J中寻找一个最优的分界面(超平面)，使其推广能力最好。 以两类分类问题为例说明支持向量机的基本原理。

  3. 所属分类：专业指导

    • 发布日期：2010-07-24
    • 文件大小：395264
    • 提供者：hezl520

  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. 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. 最易理解的SVM入门教程

  2. 支持向量机(Support Vector Machine) 以最通俗的语言讲述高深的理论 支持向量机在解决小样本、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

  3. 所属分类：专业指导

    • 发布日期：2011-05-03
    • 文件大小：390144
    • 提供者：luckyone999

  1. 非线性SVM算法－matlab实现

  2. 对“data3.m”数据，用其中一半的数据采用非线性SVM算法设计分类器并画出决策面，另一半数据用于测试分类器性能。比较不同核函数的结果。（注意讨论算法中参数设置的影响。） 来自课程设计，附上matlab源代码，可以成功调试出来。

  3. 所属分类：其它

    • 发布日期：2011-05-13
    • 文件大小：293888
    • 提供者：fyq321

  1. SVM非线性分类源程度

  2. 支持向量机非线性分类回归源程序，好用.这是用MATLAB写的，有详细的说明。

  3. 所属分类：其它

    • 发布日期：2011-05-28
    • 文件大小：8192
    • 提供者：guibin

  1. svm支持向量机经典入门教程

  2. svm支持向量机经典入门教程，从线性可分到非线性不可分逐层深入。

  3. 所属分类：专业指导

    • 发布日期：2011-10-26
    • 文件大小：316416
    • 提供者：zlq1zlq

  1. 非线性SVM分类器设计

  2. 非线性SVM分类器设计，不同核函数下的样本数据分类图，matlab代码简单易懂

  3. 所属分类：其它

    • 发布日期：2015-10-27
    • 文件大小：241664
    • 提供者：swj1033589902

  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. 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. 基于多分类非线性SVM（+交叉验证法）的MNIST手写数据集训练（无框架）算法

  2. 程序流程 1.将数据进行预处理。 2.通过一对一方法将45类训练样本（(0,1),(0,2),…(1,2)…(2,3)）送入交叉验证法，训练算法为smo 3.得出45个模型，测试时在利用投票法判定 数据结构 '''*************************************************************** * Fun_Name : judgeStruct: * Function : 存放训练后的分类器参数 * Parameter : *

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：81920
    • 提供者：weixin_38598745
« 12 3 4 5 6 7 8 9 10 »