搜索资源列表
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数
svm_light
- 支持向量机(3)svm_light-Support Vector Machines(3):svm_light
svm_v0.55beta
- 最新的支持向量机工具箱，有了它会很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, "The Nature of Statistical Lea
libsvm-mat-2.8-1
- 人工智能模式识别中基于支持向量机的分类算法在识别领域属于较新的应用-The SVM-based classification algorithm is a kind of new application in the field of artificial intelligence and pattern recognition.
weka-3-4-4
- 由java开发的软件包，里面有人工智能所用的很多东东，包括神经网络，支持向量机，决策树等分类和回归分析方法，集成化软件哦！-by java development package, which has artificial intelligence used by many of the Eastern, including neural networks, support vector machines, such as decisi
shogun-0[1].4.3
- 将军——一种新的求解大规模问题的支持向量机程序（软件）。A Large Scale Machine Learning Toolbox-General- a new problem to solve large-scale support vector machine procedures (software). A Large Scale Machine Learning Toolbox
SVM_lzb1p0
- 支持向量机matlab程序 (1) Main_SVC_C.m --- C_SVC二类分类算法 (2) Main_SVC_Nu.m --- Nu_SVC二类分类算法 (3) Main_SVM_One_Class.m --- One-Class支持向量机 (4) Main_SVR_Epsilon.m --- Epsilon_SVR回归算法 (5) Main_SVR_Nu.m --- Nu_SVR回归算法-Support
gyy
- 从因子分析的角度出发解决基因表达谱分析问题。为解决独立成分分析方法在求解过程中的不稳定性，提出一种基于选择性独立成分分析的DNA微阵列数据集成分类器。首先对基因表达水平的重构误差进行分析，选择部分重构误差较小的独立成分进行样本重构，然后基于重构后的样本同时训练多个支持向量机基分类器，最后选择部分分类正确率较高的基分类器进行最大投票以得到最终结果。在3个常用测试集上验证了本文设计方法的有效性。-This paper tries to de
TestClassBySVM
- 支持向量机实现的文本分类程序，过程如下，首先使用分词工具分词，这里使用的是计算所的分词工具，从而保证分词是最优秀的，接下来使用国际效率最高的文本IFIDF向量生成工具生成文本相量，最后使用台湾林智恒的效率最高的SVM实现软件包libsvm实现训练和分类，可以这么说，该文本分类是同类中效率最高最准确的-text classfication source code use 3 technology.words sementation,vec
RVM_matlabToolBox
- 相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好
Character-Recognition(Lib-SVM)
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数
libsvm-3.22
- 支持向量机最优参数确定、支持向量机回归、分类(Optimal parameter determination of support vector machines)
libsvm-3.11
- 用于支持向量机的分类判别作用，是一个文件夹(Support vector machines for classification, discriminant function, is a folder)
libsvm-mat-2.89-3-[farutoFinalVersion]
- 支持向量机求解程序,下载后安装到工具箱，设置路径就能用了！(Support vector machine solution procedures, download and install to the toolbox, set the path can be used!)
支持向量机3
- 整理支持向量机的基本原理，便于分类、预测问题的解决。(Sort out the basic principle of support vector machines, easy to classify and predict the solution of problems.)
libsvm-3.12
- 多种语言版的支持向量机工具箱，matlab，python，c++，c，java，qt(Multi language version of support vector machine toolbox, MATLAB, python, c++, C, Java, QT)
支持向量机算法包
- SVR libsvm-3.1-[FarutoUltimate3.1Mcode](libsvm-3.1-[FarutoUltimate3.1Mcode])
libsvm-3.21
- 支持向量机matlab程序包建立支持向量机模型，添加至路径即可(The support vector machine matlab package is built, and the support vector machine model is added to add to the path.)
libsvm-3.21
- 支持向量机工具箱，可以用来建立模型进行单分类。(Support Vector Machine Toolkit, which can be used to build models for single classification.)
libsvm-3.17
- 主要针对声品质预测模型使用的相关智能算法，包括支持向量机（SVM）和BP神经网络。(This paper mainly focuses on the relevant intelligent algorithms used in the sound quality prediction model, including support vector machine (SVM) and BP neural network.)