搜索资源列表
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
SVMMatlabToolBar1.0
- 支持向量机Matlab工具箱1.0 该工具箱包括了二种分类,二种回归,以及一种一类支持向量机算法 工具箱中所有程序均在Matlab6.5环境中调试通过-Support Vector Machines Matlab Toolbox 1.0 The toolbox includes two kinds of classification, two kinds of regression, as well as a one-class SVM
classification
- 该程序包实现了几个常用的模式识别分类器算法，包括K近邻分类器KNN、线性判别方程LDF分类器、二次判别方程QDF分类器、RDA规则判别分析分类器、MQDF改进二次判别方程分类器、SVM支持向量机分类器。 主程序中还有接口调用举例，压缩包中还有两个测试数据集文件。-The package to achieve a number of commonly used pattern recognition classifier algorith
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效
classify_yb
- 分别使用感知机，最小二乘，SVM进行样本分类的基础算法。-Perceptron，least squares,SVM based method were used for sample classification.
461518386Yale_PCASVM
- 程序包实现了几个常用的模式识别分类器算法，包括K近邻分类器KNN、线性判别方程LDF分类器、二次判别方程QDF分类器、RDA规则判别分析分类器、MQDF改进二次判别方程分类器、SVM支持向量机分类器。-svm apply to fenlei
SVM-hssvm1.0.1
- HSSVM是一个用超球SVM（Hyper-Sphere Support Vector Machines）模型求解多分类问题的工具包，采用Java语言实现。开发该程序的主要目的，是利用超球SVM求解模型代替传统上借助于解二分类问题的经典SVM模型来求解多分类问题。本文将论述该程序的主要实现细节，包括相关算法及设计原理的描述。-HSSVM is an ultra ball SVM (Hyper-Sphere Support Vector M
zonghe
- 线性分类器设计：包括感知机算法，最小二乘法，线性SVM算法（模式识别作业）-Linear classifier design: including perceptron algorithm, least squares, linear SVM algorithm（ pattern recognition task）
SVM
- 该工具箱包括了二种分类,二种回归,以及一种一类支持向量机算法 (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
SVM
- 该工具箱包括了二种分类,二种回归,以及一种一类支持向量机算法 (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
CKPCA-HOG-SVM
- 为了准确地对监控场景中的运动目标进行语义上的分类，提出了一种基于聚类的核主成分分析梯度方向直方图和二又决策树支持向量机的运动目标分类算法。-In order to accurately monitor the movement of scene targets semantic classification, the clustering based on kernel principal component analysis of g
biolearning
- 新的支持向量机程序，可以实现二分类，算法和模型可以编程修改-new svm tools
classifer
- 二分类问题采用包括逻辑回归、最小二乘法、感知器算法（按下space不断迭代）、svm线性分类，另外还有高斯分线性分类（待完善），针对平面上两类点进行分类-Second classification using logistic regression, the method of least squares, perception algorithm (Press space iteratively) svm linear classif
SVM
- 使用支持向量机算法对二分类问题进行预测，实现大数据分析的目标。(Support vector machine algorithm is used to predict the two classification problem, and achieve the goal of large data analysis.)
SVM
- 一个MATLAB语言写的SVM算法测试例，便于理解SVM二分类方法的实际含义(A MATLAB language written SVM algorithm test case, easy to understand the SVM two classification method of practical significance)
SVM算法二分类
- 将支持向量机（SVM）用于模式识别，解决二分类问题，程序中包含训练集和测试集。(The support vector machine (SVM) is used for pattern recognition to solve the dichotomy problem, which includes training set and test set.)
06-svmMLiA
- 采用SVM算法，用python语言实现的分类识别，可用于异常检测等二分类(Using SVM algorithm, using python language to achieve the classification of identification, can be used for abnormal detection and other two categories)
SVM
- 模式识别分类，支持向量机，二分类算法，库函数实现(Pattern recognition classification)
SVM
- 关于SVM编程算法实现示例，实现二分类问题(a program demo about SVM)
SVM
- 利用三次二分类SVM实现三分类SVM，可以用自己的数据，完美运行。(Using the three-category SVM to implement the three-class SVM, you can use your own data to run perfectly.)