搜索资源列表
SVM分类器
- SVM文本分类器源程序，英文界面，包含语料，没有解压缩密码-SVM text classifier source, English interface, including Corpus, not extract passwords
svm-toy
- 支持向量机制。SVM分类器的重要部件。可以检测和训练样本集和-Support Vector mechanism. SVM classifier an important component. Can detect and training sample set and
pca-svm
- 本程序用于对训练样本提取独立主元，作为样本特征，并送入SVM分类器中训练图像的预处理中不取对数，也无须做幅度归一，由ICA的应用条件决定的。预处理后的图像以向量的形式按行排列-err
svm
- SVM分类器的实现原码,SVM是一类基于统计学习理论的模式识别方法-SVM classifier to achieve the original code, SVM is a kind of statistical learning theory based on the pattern recognition method
SVM
- matlab svm 分类程序，适合7.0以上的版本-matlab svm classification procedures suitable version 7.0 or above
SVM
- 在matlab的环境中，根据各种算法提取到的信息来输入SVM分类器中进行训练-classify different various sorts of information in svm
SVM
- SVM分类器，针对语音信号的分类识别应用。内容非常多，大家可以筛选着利用。-SVMclassification
SVM-Matlab
- matlab写的SVM分类，tranning和test分开，可直接使用。-matlab write SVM classification, tranning and test separately, can be used directly.
svm
- SVM分类器 分类各种图片的类别 分类各种图片的类别 -SVM classifiers various pictures of various categories of classification of classified images of various image types
svm
- svm分类器，有几类样本点，利用线性SVM分类器求出其分界面-svm classifier, there are several types of sample points, using a linear SVM classifier obtained the sub-interface
SVM
- SVM分类的matlab源码实现。并提供一组数据进行仿真。-SVM classification matlab realization.
一完整的SVM分类器的程序
- 一完整的SVM分类器的程序,可以用于实现SVM的分类识别，效果可以进行优化
利用Hog特征和SVM分类器进行行人检测
- 利用Hog特征和SVM分类器进行行人检测(Using Hog features and SVM classifiers for pedestrian detection)
SVM
- SVM分类器的matlab实现，针对提供的花的特征分类，并交叉验证(The matlab implementation of SVM classifier aims at providing the feature classification of flowers and cross validation)
SVM
- 利用MATLAB中所带的SVM函数，进行调用来得到SVM分类结果图(classified by SVM classifier)
分类器
- 在matlab平台下，简单实现svm分类器功能（数据仓库与数据挖掘课程）(Simple implementation of SVM classifier)
SVM
- 基于python的svm分类学习。线性可分svm，非线性svm。 对花卉（花蕾）进行分类，并可视化(SVM classification learning based on Python)
SVM分类
- svm 分类算法 需要自己 添加训练序列 全套可以运行(SVM classification)
脑电数据PCA处理及SVM分类
- 脑电eeg数据预处理，用于脑电信号的MATLAB处理程序，输入处理数据，进行matlab运算，PCA处理及SVM分类。(PCA Processing and SVM Classification of EEG Data)
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system b