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. 基于支持向量机的复杂背景下的人体检测

  2. 。为了简化SVM分类器的设计及提高机器学习的效率,提出了一 种星形向量表示法用于抽取目标的特征向量,并且用实验方法得到了这种表示法的最优表示。将SVM与ANN进 行比较,并且对不同内积函数的SVM的性能也进行了比较。实验结果表明, SVM的性能要优于ANN,并且采用径 向基函数的SVM性能最好。该方法鲁棒性强,正确率高,解决了复杂背景下运动人体实时检测的一些关键问题。

  3. 所属分类：专业指导

    • 发布日期：2009-05-11
    • 文件大小：429056
    • 提供者：victory1024

  1. LIBSVM2.91 .vc版

  2. libsvm2.91 的vc版程序 svm.h svm.cpp

  3. 所属分类：C++

    • 发布日期：2010-04-23
    • 文件大小：570368
    • 提供者：liuzhenhui2008

  1. svm完成聚类功能的小程序

  2. matlab编写的利用支持向量积完成聚类功能的小程序

  3. 所属分类：其它

    • 发布日期：2010-06-06
    • 文件大小：7168
    • 提供者：liuxueqian1221

  1. 支持向量积 svm

  2. 支持向量机，里面是程序，我自己调试通的，很有用，matble，希望对学习模式识别的人有所帮助

  3. 所属分类：专业指导

    • 发布日期：2010-06-27
    • 文件大小：2048
    • 提供者：wangwise

  1. SVM支持向量机

  2. 直观快捷的svm，首先查看readme，里面有在matlab中的编译方法，非常好懂。

  3. 所属分类：其它

    • 发布日期：2014-03-07
    • 文件大小：153600
    • 提供者：aaaxvgjkllff

  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. 基于模糊积分集成向量积的数据挖掘方法探讨

  2. 基于模糊积分集成向量积的数据挖掘方法探讨，吴冲，陈贤品，支持向量机（SVM）作为数据挖掘的应用已经成了研究热点，但它多层分类问题中应有改进之处。基于模糊积分集成向量机方法是在SVM基础

  3. 所属分类：其它

    • 发布日期：2020-02-05
    • 文件大小：328704
    • 提供者：weixin_38590355

  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. CNN-SVM模型在抽油机井故障诊断中的应用

  2. 针对传统的示功图识别方法对抽油机井进行故障诊断存在人工选取示功图特征,识别准确度低等问题,基于人工智能理论,提出一种卷积神经网络(CNN)和支持向量机(SVM)相结合的示功图智能识别模型。利用卷积神经网络对示功图图像特征自动提取,利用支持向量机根据提取的深层图像特征给出故障诊断结果。结果表明,将CNN与SVM结合用于示功图识别不仅省去了人工选取示功图特征这一环节,而且识别准确度也高达99.71%,测试性能优于其他识别模型。该模型的提出为抽油机井故障的快速准确诊断提供了可行的解决方案,对油田高效作

  3. 所属分类：其它

    • 发布日期：2020-06-01
    • 文件大小：1048576
    • 提供者：weixin_38695727

  1. 基于改进的卷积神经网络LeNet-5乳腺疾病诊断方法

  2. 针对计算机辅助乳腺疾病诊断方法准确率低、耗时长等问题，提出一种基于改进的 卷积神经网络（CNN）的乳腺疾病诊断方法．该方法从以下3个方面做了改进：(1)设计双通道 卷积神经网络来解决单通道特征提取不充分的问题；(2)采用Dropout技术有效地防止过拟合现象；(3)采用支持向量机(SVM)代替传统的Softmax分类器以减少运算量，提高运算速度．测试结果表明：所提出的分类模型平均准确率高达92.31%，平均训练时间为968s，充分验证 了该方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：381952
    • 提供者：weixin_38696836

  1. 从线性分类器到卷积神经网络

  2. 本文来自于网络，本文大致分成两大部分，第一部分尝试将本文涉及的分类器统一到神经元类模型中，第二部分阐述卷积神经网络（CNN）的发展简述和目前的相关工作。本文涉及的分类器（分类方法）有：线性回归逻辑回归（即神经元模型）神经网络（NN）支持向量机（SVM）卷积神经网络（CNN）从神经元的角度来看，上述分类器都可以看成神经元的一部分或者神经元组成的网络结构。说逻辑回归之前需要简述一下线性回归。图1单变量的线性回归图1中描述了一个单变量的线性回归模型：蓝点代表自变量x的分布——显然x呈现线性分布。于是我

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：463872
    • 提供者：weixin_38632046

  1. 基于卷积神经网络的混合颗粒分类法研究

  2. 针对混合颗粒的分类问题,传统算法多利用颗粒的二值化图像提取其特征,并通过精细的特征设计结合BP神经网络、支持向量机(SVM)等分类器进行分类,但颗粒粘连以及不精确的特征设计都会严重影响分类的准确率。利用卷积神经网络提取颗粒的特征,通过区域建议网络(RPN)搜索颗粒的位置,同时建立分类器,并结合全卷积网络实现像素级的颗粒分割。对由球形、长条形及非规则形颗粒组成的混合流动颗粒体系进行实验研究,结果表明:利用人工特征设计的SVM法可以达到87%的分类精确率和召回率,而基于卷积神经网络的方法则可以达到9

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：9437184
    • 提供者：weixin_38519234

  1. 神经网络比较研究：自动化的面部表情识别系统具有许多应用。 随着深度学习技术的成功，FER系统变得越来越好。 该项目对深度面部表情识别系统进行了全面的调查。 使用各种卷积神经网络和支持向量机模型进行了比较研究。 结果表明，结合CNN和SVM的

  2. 神经网络的比较研究 自动化的面部表情识别系统具有许多应用。 随着深度学习技术的成功，FER系统变得越来越好。 该项目对深度面部表情识别系统进行了全面的调查。 使用各种卷积神经网络和支持向量机模型进行了比较研究。 结果表明，结合CNN和SVM的功能可提供更好的性能。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：1048576
    • 提供者：weixin_42109925

  1. 基于自适应卷积特征的目标跟踪算法

  2. 针对空间正则化相关滤波(SRDCF)跟踪算法在目标跟踪中旋转变化、超出视野和严重遮挡情况下存在跟踪失败的问题, 提出了一种基于自适应卷积特征的目标跟踪算法。对VGG-Net模型中conv3-4层卷积特征进行主成分分析, 利用自适应降维技术将conv3-4层特征维数由256维降至130维。在检测区域求取分类器最大响应位置及其目标尺度信息, 并对最大响应位置的目标进行置信度比较, 训练在线支持向量机(SVM)分类器, 以便在跟踪失败的情况下, 重新检测到目标而实现长期跟踪。计算跟踪位置的峰旁比, 选

  3. 所属分类：其它

    • 发布日期：2021-02-12
    • 文件大小：20971520
    • 提供者：weixin_38714761

  1. 结合深度卷积神经网络与影像学特征的肺结节良恶性鉴别方法

  2. 提出一种将卷积神经网络(CNN)学习特征与传统影像学特征结合的肺结节良恶性鉴别方法。首先,从电子计算机断层扫描(CT)图像中分割出肺结节区域,并使用传统机器学习方法提取结节区域的影像学特征;然后,使用截取的肺结节训练3D-Inception-ResNet模型,提取网络学习的CNN特征,组合两类特征,并利用随机森林(RF)模型进行特征选择;最后,采用支持向量机(SVM)、RF等传统分类器对肺结节进行良恶性鉴别诊断。使用LIDC-IDRI数据库中的1036个肺结节进行实验验证,最终所提方法的分类准确

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：4194304
    • 提供者：weixin_38622611

  1. face_rating：使用传统ML方法和卷积神经网络方法进行FaceBeauty评级-源码

  2. 使用计算机视觉预测吸引力 传统机器学习方法 特征生成 流水线的特征计算部分需要输入图像的面部地标的位置。 这些界标可以通过生成。 我已经在此仓库的数据目录中包含了使用此框架本地化的地标，您可以直接使用它们。 提取面部特征的示例： 降维，ML模型和评估 python trainModel -model linear_model -featuredim 20 -featuredim参数指定PCA选择的组件数，即要减少多少维。 在PCA之后， -model参数用于指示传统的机器学习模型，包括支持

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：33554432
    • 提供者：weixin_42135073

  1. svm_mnist_digit_classification：具有scikit学习和支持向量机（SVM）算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的，我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能，而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化，但结果还是不错的（请参见下表）。 如果您想获得最佳性能，这两个资源将向您展示当前的最新解决方案： 下表显示了与其他模型相比的一些结果：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：50176
    • 提供者：weixin_42150341

  1. mnist分类：Pytorch，Scikit学习实现多种分类方法，包括逻辑回归（Logistic回归），多层感知机（MLP），支持向量机（SVM），K近邻（KNN），CNN，RNN，极简代码适合新手小白入门，附英文实验报告（ACM模板）-源

  2. mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：1048576
    • 提供者：weixin_42109125

  1. 从线性分类器到卷积神经网络

  2. 本文来自于网络，本文大致分成两大部分，第一部分尝试将本文涉及的分类器统一到神经元类模型中，第二部分阐述卷积神经网络（CNN）的发展简述和目前的相关工作。 本文涉及的分类器（分类方法）有：线性回归 逻辑回归（即神经元模型） 神经网络（NN） 支持向量机（SVM） 卷积神经网络（CNN）

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：463872
    • 提供者：weixin_38663516

  1. 结合有序光流图和双流卷积网络的行为识别

  2. 为有效利用行为视频的长时时域信息，提高行为识别准确率，提出一种结合有序光流图和双流卷积神经网络的行为识别算法。首先利用Rank支持向量机(SVM)算法将连续光流序列压缩总结成单幅有序光流图，实现对视频长时时域结构的建模;然后设计一个包含表观和短时运动流与长时运动流的双流卷积网络，分别以堆叠RGB帧、有序光流图为输入提取视频的表观和短时运动信息与长时运动信息;最后将双流网络的C3D描述子和VGG描述子融合后输入线性SVM进行行为识别。在HMDB51和UCF101两个数据集的实验结果表明，该算法能够

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：3145728
    • 提供者：weixin_38641111
« 12 »