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. 用遗传算法求SVM的最优超平面

  2. 对于SVM支持向量点的计算、其最优分类面、最优超平面的理论、计算的方法

  3. 所属分类：其它

    • 发布日期：2009-06-17
    • 文件大小：108544
    • 提供者：wxhii

  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. 用遗传算法求SVM的最优超平面

  2. 对于SVM支持向量点的计算、其最优分类面、最优超平面的理论、计算的方法

  3. 所属分类：其它

    • 发布日期：2009-10-30
    • 文件大小：108544
    • 提供者：shiyoumaomao

  1. 支持向量机 ppt 吕玉生

  2. SVM的理论基础 线性判别函数和判别面 最优分类面 支持向量机 LIBSVM简介 实验

  3. 所属分类：专业指导

    • 发布日期：2010-08-16
    • 文件大小：543744
    • 提供者：cxyeva

  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. 支持向量机

  2. 支持向量机 SVM的理论基础 线性判别函数和判别面 最优分类面 支持向量机 SVM的研究与应用

  3. 所属分类：C/C++

    • 发布日期：2011-12-16
    • 文件大小：1029120
    • 提供者：tianli555tl

  1. svm支持向量机基本原理及应用

  2. SVM的理论基础 线性判别函数和判别面 最优分类面 支持向量机 SVM的研究与应用

  3. 所属分类：专业指导

  1. 线性分类器设计

  2. 对“data1.m”数据，分别采用感知机算法、最小平方误差算法、线性SVM算法设计分类器，分别画出决策面，并比较性能。（注意讨论算法中参数设置的影响。）

  3. 所属分类：专业指导

    • 发布日期：2013-08-04
    • 文件大小：90112
    • 提供者：u011005581

  1. 支持向量机

  2. malab开发的svm程序,有注释,可画出分类面

  3. 所属分类：其它

    • 发布日期：2013-10-12
    • 文件大小：234496
    • 提供者：u012413299

  1. 清华大学模式识别第二次大作业

  2. 1． 仍然使用第一次作业中收集的数据作为训练集（注意：不得超过20+20 例样 本），采用身高和体重为特征进行性别分类，训练SVM 分类器，在测试数据 dataset1.txt 上测试分类效果。SVM 中分别使用线性核和高斯核，参数自己 确定。 2． 使用一个较大的数据集（dataset2.txt）作训练样本，采用身高和体重为特征 进行性别分类，在正态分布假设下估计概率密度，建立最小错误率贝叶斯分 类器，写出得到的决策规则；把分类器应用到dataset1.txt 上，计算测试错 误率。（自行决

  3. 所属分类：专业指导

    • 发布日期：2013-12-24
    • 文件大小：57344
    • 提供者：hechao930407

  1. SVM程序算法

  2. 支持向量机分类算法实现，利用线性核函数构建最优分类面，对训练样本进行训练，然后对测试样本进行测试分类，得出分类准确率

  3. 所属分类：Java

    • 发布日期：2015-03-18
    • 文件大小：8192
    • 提供者：qq_26676811

  1. svm分类-matlab

  2. SVM是通过核函数将原始数据映射到高维空间，在高维空间进行线性分类。换句话说，在高维空间，这两类数据应该是线性可分的，即：最优分类面应该是一条直线，而这里看到的，是将高维空间分类的结果又映射回原始空间所呈现的分类结果，即：非线性的分类面。

  3. 所属分类：专业指导

    • 发布日期：2015-05-04
    • 文件大小：6144
    • 提供者：u012442921

  1. SVM线性、非线性可分matlab demo

  2. 本demo主要是提供了SVM在数据集为线性、非线性可分情况下的分类面可视化，对于svm初学者而言，具有一定的借鉴意义。

  3. 所属分类：机器学习

    • 发布日期：2018-01-07
    • 文件大小：286720
    • 提供者：on_theway10

  1. 2017百度美团滴滴等机器学习岗面试笔试经验

  2. 美团重基础，和搜狗两个风格。不过项目归根到底还是基础，只是搜狗更注重问题的解决方案。任何岗位都要手写一两个代码，不过都不难，一面字符串转浮点数。二面排序二叉树建树，如果是后台开发，手写2+个代码。讲一点项目，开始问基础，一面差点手推SVM，后来讲基本原理，延伸。二面问LR为何是sigmod，理论推导出sigmod，弱分类器组合成强分类器的理论证明，这个真心没看过，感觉美团不仅需要熟悉单个模型，还要融会贯通，多问为什么。我答得不太好，各位面机器学习的加油！

  3. 所属分类：机器学习

    • 发布日期：2018-03-17
    • 文件大小：50176
    • 提供者：qq_15288217

  1. MATLAB训练SVM函数svmtrainTrainingGroup无法执行-data.zip

  2. MATLAB训练SVM函数svmtrainTrainingGroup无法执行-data.zip 本帖最后由 codingant 于 2012-11-28 16:45 编辑 环境描述： ①MATLAB 7.8（R2009a） ②libsvm 3.14（已编译） 数据描述： 文件名为 “data.mat”（见附件），内含400行3列数据。 第1、2列为属性。第三列为 label（1/-1）。 数据下载 data.zip 数据 问题描述： 使用svmtrain;绘出散点图和分类面，并在加注支持向量。

  3. 所属分类：其它

    • 发布日期：2019-08-12
    • 文件大小：6144
    • 提供者：weixin_39840650

  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. 基于特征加权的FSVM在低信噪比语音识别中的应用

  2. 模糊支持向量机(FSVM)赋予每个样本一个模糊隶属度,优化了最优分类面,具有好的抗噪性。为提高低信噪比条件下的语音识别准确率,减小传统支持向量机(SVM)中噪声样本对分类精度造成的影响,首先将模糊支持向量机(FSVM)应用于语音识别系统中的识别网络。在此模型的基础上,考虑到语音样本各维特征的影响,计算各维特征的信息增益作为对分类的重要程度,依据此重要程度确定对各维特征的加权系数,构造加权核函数。为了减小一对一分类模式下的时间复杂度,引入了三叉决策树策略。在仿真实验中,采用韩语语料库的耳蜗滤波器倒

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：610304
    • 提供者：weixin_38645198

  1. “高频面经”之机器学习篇

  2. ​    注：机器学习注重原理理解、算法对比及场景使用，应加强算法公式推导及多场景实战。以下试题为作者日常整理的通用高频面经，包含题目，答案与参考文章，欢迎纠正与补充。 更多内容尽在公众号： 目录 1.常见分类算法及应用场景 2.逻辑回归推导 3.SVM相关问题 4.核函数使用 5.生成模型和判别模型基本形式 6.ID3,C4.5和CART区别 7.交叉熵公式原理 8.L1和L2正则化的区别 9.传统机器学习模型有哪些 10.k-means算法流程 11.DBSCAN和Kmeans对比 12

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：574464
    • 提供者：weixin_38523618

  1. 一种快速支持向量机增量学习算法

  2. 经典的支持向量机(SVM)算法在求解最优分类面时需求解一个凸二次规划问题,当训练样本数量很多时,算法的速度较慢,而且一旦有新的样本加入,所有的训练样本必须重新训练,非常浪费时间.为此,提出一种新的SVM快速增量学习算法.该算法首先选择那些可能成为支持向量的边界向量,以减少参与训练的样本数目；然后进行增量学习.学习算法是一个迭代过程,无需求解优化问题.实验证明,该算法不仅能保证学习机器的精度和良好的推广能力,而且算法的学习速度比经典的SVM算法快,可以进行增量学习.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：312320
    • 提供者：weixin_38716590

  1. 基于双重支持向量机的网络故障诊断

  2. 为了提高网络故障诊断模型的建立和诊断速度, 提出一种双重支持向量机(Dual-SVM) 算法. 通过两次SVM 训练确定诊断模型: 第1 次SVM训练通过两类样本的类中心和样本点在类中心连线方向上的投影分布情况直接确 定近似最优分类面; 第2 次SVM训练根据第1 次的训练结果选择边界样本点并计算其模糊隶属度, 通过模糊SVM 获得诊断模型. 在DARPA数据集上的实验表明, Dual-SVM 相较SVM能够获得更快的训练速度和更加简单的故障 诊断模型.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：254976
    • 提供者：weixin_38597300
« 12 »