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SMO算法实现

  2. 本文将先给出待解决的数学模型，介绍我们所做的一些尝试，然后着重讨论SMO算法的原理、程序实现及其独特优势，最后阐述我们自己的一些新思想，主要是经过改进的Chunking SMO算法，并在附录中介绍SVM的基本原理。

  3. 所属分类：其它

    • 发布日期：2011-03-03
    • 文件大小：342016
    • 提供者：CherisChang

  1. SVM的SMO算法实现

  2. 支持向量机（Support Vector Machine）是一种新近出现的解决模式识别问题的有效工具。它的数学模型可以归结为一个有约束的二次规划问题。如何快速准确地解这个二次规划，是SVM推广应用中的一个重要环节。我们尝试了数种可能的方法，用程序实现了其中最有效的一种——SMO算法（Sequential Minimal Optimization algorithm），并用块算法的思想（Chunking）对其作出了改进。本文将先给出待解决的数学模型，介绍我们所做的一些尝试，然后着重讨论SMO算法

  3. 所属分类：互联网

    • 发布日期：2011-08-23
    • 文件大小：342016
    • 提供者：LyonYu

  1. 基于GPU的并行支持向量机的设计与实现

  2. 1．在综述了当前高性能计算领域热门技术的基础上，选择GPU作为并行支持向量 机的实现工具。在GPU编程方法方面，选择了OpenCL作为具体的代码实现技术，并搭 建了GPU计算的实验平台和基于VisualStudio2010的OpenCL的开发环境。 2．介绍了支持向量机理论的基本原理及其数学模型，引出了SMO训练算法并对其 进行了详细的说明。研究了LibSVM的使用方法，并在之前搭建的两个平台上做了实验 仿真，以用来作为参照基准。 3．根据SVM训练和预测算法中的并行点，提出了用于多类分类器的

  3. 所属分类：专业指导

    • 发布日期：2013-06-08
    • 文件大小：2097152
    • 提供者：xiaoxio006

  1. SVM的SMO算法实现

  2. 支持向量机（Support Vector Machine）是一种新近出现的解决模式识别问题的有效工具。它的数学模型可以归结为一个有约束的二次规划问题。如何快速准确地解这个二次规划，是SVM推广应用中的一个重要环节。我们尝试了数种可能的方法，用程序实现了其中最有效的一种——SMO算法（Sequential Minimal Optimization algorithm），并用块算法的思想（Chunking）对其作出了改进。本文将先给出待解决的数学模型，介绍我们所做的一些尝试，然后着重讨论SMO算法

  3. 所属分类：数据库

    • 发布日期：2013-07-03
    • 文件大小：342016
    • 提供者：u011295752

  1. 基于c++，使用SMO算法的SVM源文件

  2. 文件来自于dortmund大学网站上的源代码。具体安装、说明可以参考 http://www-ai.cs.uni-dortmund.de/SOFTWARE/MYSVM/index.html

  3. 所属分类：C++

    • 发布日期：2013-07-14
    • 文件大小：56320
    • 提供者：lynnharry

  1. 斯坦福机器学习公开课6-8

  2. 内含三个pdf文件，分别在博客http://blog.csdn.net/stdcoutzyx中有对应的文章，主要讲述了支持向量机的内容，包括最优间隔分类器、对偶问题、序列最小化算法等等，另外，笔记6中还包括了部分朴素贝叶斯和神经网络的内容。

  3. 所属分类：专业指导

  1. Opencv2.4.9源码分析——Support Vector Machines

  2. 本文档共分为三个部分，第一个部分介绍SVM的原理，我们全面介绍了5中常用的SVM算法：C-SVC、ν-SVC、单类SVM、ε-SVR和ν-SVR，其中C-SVC和ν-SVC不仅介绍了处理两类分类问题的情况，还介绍处理多类问题的情况。在具体求解SVM过程中，我们介绍了SMO算法和广义SMO算法。第二个部分我们给出了OpenCV中SVM程序的详细注解。第三个部分我们给出了一个基于OpenCV的SVM算法的简单应用实例。

  3. 所属分类：C++

    • 发布日期：2016-05-02
    • 文件大小：705536
    • 提供者：zhaocj

  1. 斯坦福机器学习ML公开课笔记1-15（完整版、带目录索引和NG原版讲义）

  2. 1-15节全部完整版讲义！超清分享~~~（附赠目录索引和NG原版讲义） 含金量高，独家整理~~ 目录如下： 公开课笔记1-2——线性规划、梯度下降、正规方程组 公开课笔记3——局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4——牛顿方法、指数分布族、广义线性模型 公开课笔记5——生成学习、高斯判别、朴素贝叶斯 公开课笔记6——NB多项式模型、神经网络、SVM初步 公开课笔记7——最优间隔分类、原始/对偶问题、SVM对偶 公开课笔记8———核技法、软间隔分类器、SMO算法 公开课笔记9—偏差

  3. 所属分类：机器学习

    • 发布日期：2017-11-07
    • 文件大小：8388608
    • 提供者：u012416259

  1. SVM算法对MNIST数据集分类

  2. 代码使用matlab编写，压缩包中包含MNIST数据集及其读取函数、SVM算法实现和ReadMe.txt。 SVM算法中使用了PCA降维处理数据减少运行时间，但是由于使用的SMO算法较为原始，运行速度仍然较慢。由于实现未经过任何优化，仅适合初学者使用，使用高斯核正确率在75%以上，有部分注释。请结合ReadMe文件使用。

  3. 所属分类：机器学习

    • 发布日期：2017-12-24
    • 文件大小：10485760
    • 提供者：apropos

  1. 数据挖掘十大算法详解.zip

  2. 数据挖掘十大算法详解,数据挖掘学习笔记--决策树C4.5 、数据挖掘十大算法--K-均值聚类算法 、机器学习与数据挖掘-支持向量机(SVM)、拉格朗日对偶、支持向量机(SVM)（三）-- 最优间隔分类器 （optimal margin classifier） 、支持向量机(SVM)（五）-- SMO算法详解、PageRank等

  3. 所属分类：算法与数据结构

    • 发布日期：2019-06-28
    • 文件大小：3145728
    • 提供者：inverse_fang

  1. 支持向量机在WCDMA移动通信系统多用户检测中的应用.pdf

  2. 从结构风险最小化(SRM)理论发展而来的支持向量机(SVM)为模式识别提供了一 种新的途径。将SVM 应用于宽带码分多址(WCDMA)移动通信系统中的多用户检测(MUD)中。利用最 小序列优化(SMO)算法构造基于非线性核的接收机，提出了一种适合于WCDMA系统的SVM-MUD。在 同步的假设下，仿真比较了SVM MUD和传统的去相关检测器、匹配滤波(MF)检测器和最小均方误差 (MMsE)检测器的误比特(BER)性能。结果表明，在高斯信道下，SVM-MUD的性能更加稳定可靠。

  3. 所属分类：其它

    • 发布日期：2019-09-12
    • 文件大小：248832
    • 提供者：weixin_38744435

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：312320
    • 提供者：abacaba

  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（SVM）与SMO算法介绍.pptx

  2. 支持向量机的功能、本质、基本理解以及公式的解释； SMO算法的理解、步骤以及算法流程 文档格式：pptx

  3. 所属分类：机器学习

    • 发布日期：2020-05-27
    • 文件大小：34603008
    • 提供者：weixin_43257886

  1. 深度学习 DAY2

  2. 一、SVM 1.几个概念需要理清 几何间隔 函数间隔 决策边界 2.求解 通过放缩w,b，使得函数间隔变成1，转而变成最小化||w||，等价于 min 1/2*||w||,变成2次规划问题 由此可以看出，函数间隔可以取任意值，函数间隔的数值越大，不能说明分类结果的确信度越大。 3.对偶问题 可以用SMO对α进行求解，然后求解w，注意w有唯一解，但是b的解在一个区间当中，并不唯一。 对于一些“渗透”的点，可以添加松弛变量 4.核函数 非线性关系怎么进行分割呢？ 用特征映射

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：1048576
    • 提供者：weixin_38502916

  1. 一步一步机器学习（四）：支持向量机

  2. 这一章介绍的知识特别丰富，无论是核方法(Kernel)还是SMO高效求解SVM对偶问题中的启发式搜索，都很值得我们反复理解品味发明者的思想。话不多说，笔记整理如下： 支持向量机知识点总结： 其中，关于核方法那部分内容用了机器学习有很多关于核函数的说法，核函数的定义和作用是什么？第一个答主的图片加以解释(对直观理解低、高维之间特征映射很有帮助)；多分类SVM学习了支持向量机原理详解(八): 多类分类SVM这个知乎专栏的相关知识.(Stanford CS229 notes

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：2097152
    • 提供者：weixin_38679651