搜索资源列表
21840286GML_AdaBoost_Matlab_Toolbox_0[1].3
- AdaBoost实现算法（外国人写的，有详细的分析）-AdaBoost algorithm (written by foreigners, a detailed analysis)
stprtool
- 统计模式识别工具箱（Statistical Pattern Recognition Toolbox）包含： 1，Analysis of linear discriminant function 2，Feature extraction: Linear Discriminant Analysis 3，Probability distribution estimation and clustering 4，Support V
LIBSVM
- 详细介绍了LIBSVM（由台湾大学教授编写SVM程序）使用方法，包括前期数据处理，数据导入，训练以及预测-Described in detail LIBSVM (prepared by the National Taiwan University professor of SVM program) using the methods, including pre-data processing, data import, trainin
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后
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
svm
- SVM方法的基本思想是：定义最优线性超平面，并把寻找最优线性超平面的算法归结为求解一个凸规划问题。进而基于Mercer核展开定理，通过非线性映射φ，把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），使在特征空间中可以应用线性学习机的方法解决样本空间中的高度非线性分类和回归等问题。svm 程序，即支持向量机的代码。-The basic idea of SVM method are: the definition of
libsvm-mat-2.89-3[FarutoUltimate3.0]Code
- libsvm加强工具箱（By faruto）patrick.lee@foxmail.com，非常好用，可以按照我上传的pdf很简单地实现SVM分类和回归，一定要用，力推！-libsvm strengthen the toolbox (By faruto) patrick.lee @ foxmail.com, very easy to use, you can upload the pdf according to my very sim
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
gaSVMcgForClass
- 利用遗传算法对支持向量机（SVM）进行分类优化-optimizate the support vector machine (SVM) classification by using the genetic algorithm
PSO-and-PSOEM-simulation
- 基于扩展记忆的粒子群优化算法（Particle Swarm Optimization based on memory）-This paper combines SVM with improved PSO (Particle Swarm Optimization with Extended Memory, PSOEM) and then builds PSOEM-SVM forecasting model. The PSOEM searc
SVM_GUI_3.1[mcode]{by-faruto}
- 支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表。 基本情况 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机（Support Vector Machine，简称
ZTSBSVM
- 算法提出了 一个新的部位观测模型和一种新的减小部位状态空间的方法：（1）对人体不同部位采用不同尺寸的细胞单元计算HOG特 征，并利用线性SVM进行分类，从而提出一种新的部位观测模型；（2）利用人体部位定位的先验分布确定部位定位区域，然 后通过邻域归并和设置与部位模板的匹配度阈值进一步减小状态空间，从而提出了一种减小部位状态空间的方法。仿真 实验结果表明所提算法与传统算法相比更加有效。-Algorithm proposed
testSVM
- 利用matlab自带的fisheriris数据集（为了可视化将其看成两类）（setosa类和非setosa类）测试svm-test the svmtrain and svmslassify functions by the fisheriris by the matlab software
mwvjwbdn
- 一种流形学习算法（很好用），代码里有很完整的注释和解释，isodata 迭代自组织的数据分析，包含了阵列信号处理的常见算法，通过matlab代码，包括最小二乘法、SVM、神经网络、1_k近邻法。-A fluid manifold learning algorithm (good use), Code, there are very complete notes and explanations Isodata iterative sel
28 梁晏宾
- 1.采用遗传算法对男女生样本数据中的身高，体重，喜欢数学，喜欢文学，喜欢运动，喜欢模式识别共6个特征进行特征选择，并基于所得到的最佳特征采用SVM设计男女生分类器，并计算模型预测性能（包含SE,SP,ACC和AUC ）。要求自行编写代码实现遗传算法。(1. using genetic algorithm based on the sample data of male and female students in height, wei
SVM
- 自己用C#写的libsvm算法，可在控制台训练和测试(the libsvm algorithm by C# programming)
ga-svm
- 用遗传算法优化支持向量回归机C、g、p参数(Optimization of C, G, P parameters of support vector regression machine by genetic algorithm)
支持向量机（Support Vector Machine, SVM）
- 支持向量机（support vector machine，SVM）是由Cortes和Vapnik在1995年提出的，由于其在文本分类和高维数据中强大的性能，很快就成为机器学习的主流技术，并直接掀起了“统计学习”在2000年前后的高潮，是迄今为止使用的最广的学习算法。(Support vector machine (support vector machine, SVM) is proposed by Cortes and Vapnik
植物虫害检测（GUI，注释，svm算法）
- 植物虫害检测（GUI，注释，svm算法） 该课题为基于MATLAB SVM方法的植物病害检测系统，带GUI界面，可以识别多种被虫害侵蚀的植物叶子，输出结果。带论文和详细注释。 train 对黄瓜子文件夹所有图片提取 颜色矩特征和gabor纹理特征，然后svm训练 test 对测试图像灰度化，滤波，提取 颜色矩特征和gabor纹理特征，然后svm模型测试，输出类别 colorMom.m 颜色矩特征提取 Gabor
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to