搜索资源列表
kernlab_0.1-4.tar
- 这是核学习的一个基础软件包，里面有很多核学习所需要的函数，使用起来十分方便。-nuclear This is a learning based packages, there are many nuclear learning in function, it is very convenient to use.
读核日记
- LINUX学习经典读核日记-LINUX learning classical nuclear Reading Diary
microplaze代码
- Xilinx公司的软核学习实例
读核日记
- LINUX学习经典读核日记-LINUX learning classical nuclear Reading Diary
kernlab_0.1-4.tar
- 这是核学习的一个基础软件包，里面有很多核学习所需要的函数，使用起来十分方便。-nuclear This is a learning based packages, there are many nuclear learning in function, it is very convenient to use.
mc8051_vhdl
- mcs51的vhdl IP核,是每个学习FPGA的必经之路，希望一起探讨-mcs51 the vhdl IP core, each is a must to learn FPGA, hoping to explore together
KQBC
- 一种主动学习算法，委员会查询算法，但这是一个改进的版本，通过核变化可以更高效的处理多维数据-An active learning algorithm, the Committee inquiry algorithm, but this is an improved version of the changes through the nuclear deal can be more efficient multi-dimensional
mean_shift
- 介绍关于利用基于核函数的Meanshift跟踪算法的PPT，非常好，有兴趣的学习-Introduction on the use of Kernel-based tracking algorithm Meanshift the PPT, very good, are interested in learning
SVM-KM
- 基于核分析的多类分类器，支持向量机的多类分类，适合研究学习，欢迎同行下载-Kernel-based analysis of the many types of classifier, support vector machine multi-category classification, suitable for study of learning, welcomed the peer download
@polynomial
- VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,SVM文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得
@rbf
- 因其核函数的良好性态,RBF核SVM(RBF-SVM)在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对SVM的性能起决定性作用.阐述了RBF-SVM的性能随着变化而变化的规律,并将RBF-SVM引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-SVM的性能变化规律,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证
MultipleKernelLearning
- 多核学习的学术论文,对深入了解和学习多核的爱好者提供帮助-Multiple Kernel Learning papers
SKMsmo
- 用来实现支持向量机的多核学习的SMO 算法-smo algorithm for multiple kernel learning
learning-with-kernels
- 核学习 这是介绍核方法非常经典的书籍。里面包括各种核方法：kpca，kfda以及贝叶斯核方法-learning with kernels， this book is a classical book about kernel。 really worth of reading。
multi-kernel-path-1.0
- c++实现多核学习mkl，效率较高，实现了mkl功能(C++ implementation of multi-core learning MKL, the efficiency is high, and the MKL function is realized.)
鲁棒学习
- Huber损失最小化学习和高斯核模型 的Huber损失最小化，竞赛用到过，效果不错(Huber loss minimization learning and Gauss kernel model Huber loss minimization, the competition used, the effect is good)
Xilinx IP核详解和设计开发
- Xilinx IP核详解和设计开发 ，对于学习FPGA的同事非常有帮助(Xilinx IP nuclear detailed interpretation and design and development is very helpful for the colleagues to learn from FPGA)
多核应用编程实践
- 《多核应用编程实战》是一本全面实用的多核应用编程指南，旨在介绍如何编写功能正确、性能优越且适合扩展为在多个CPU核心的系统运行的应用程序。《多核应用编程实战》面向多种操作系统和处理器类型引用程序示例，内容涵盖类UNIX操作系统(Linux、Oracle Solaris、OS X)和Windows系统上多核应用的编写方法、多核的硬件实现对应用程序的性能影响、编写并行应用程序时要避免的潜在问题，以及如何编写可扩展至大量并行线程的应用程序。,
GMKL-matlabcode
- 比较经典的一个多核学习MKL代码（GMKL Generalized MKL），里面包含其对应的文章，很容易学习和调试！(Learn more classic a multicore MKL Code (GMKL- Generalized MKL), which contains the corresponding article, it is easy to learn and debug!)
核极限学习机
- 核极限学习机程序，可以直接调用，满足分类要求。(Extreme Learning Machine Program)