搜索资源列表
farutoUltimateVersion2[1].0
- SVM神经网络中的参数优化---如何更好的提升分类器的性能 -This tool provides a simple interface to LIBSVM, a library for support vector machines (http://www.csie.ntu.edu.tw/~cjlin/libsvm). It is very easy to use as the usage and the way of specifying parameters are the s
SVMbaseddetectionofthepopulation
- 基于SVM的人口检测 把SVM这种比较优化的分类器用于人口检测中去 以得到较好的效果-SVM-based detection of the population compared to such optimized SVM classifier to test for the population in order to obtain good results
jchshibie
- 支持向量机(SVM)是一种基于超平面分类的新的学习方法,具有很强的泛化能力。研究了支持向量机的学习机理,以及实现支持向量机的序贯最小优化算法(SMO),并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解,获取不同尺度下的小波系数,然后对其进行主元分析,得到的主元分量作为支持向量机的特征量输入。实验结果表明,该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn
ReviewofSVM-basedControlandOnlineTrainingAlgorithm
- 支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能 控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方 面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研 究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR 在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控 制领域研究的主要成果和存在的问题,以便为进一步的研
matlabfun
- 信源函数 randerr 产生比特误差样本 randint 产生均匀分布的随机整数矩阵 randsrc 根据给定的数字表产生随机矩阵 wgn 产生高斯白噪声 信号分析函数 biterr 计算比特误差数和比特误差率 eyediagram 绘制眼图 scatterplot 绘制分布图 symerr 计算符号误差数和符号误差率 信源编码 compand mu律/A律 压缩/扩张 dpcmdeco DPCM(差分脉冲编码调制)解码 dpcmen
smosvm
- 一个向量机(svm)的 序列最小优化算法源码,该算法可用来开发svm的并行算法!-A vector machine (svm) the sequential minimal optimization algorithm source code, the algorithm can be used to develop parallel algorithms svm!
smo--c
- 支持向量机的序列最小优化(smo)分类算法 c++实现,-SVM sequential minimal optimization (smo) classification algorithm c++ implementation
libsvm-mat-2.91-1
- 支持向量机的C++源代码包,用机器学习的方法处理优化问题,可以作为matlab的工具箱。-C++ code for proceeding SVM problems!
libsvm
- 支持向量机以统计学习理论作为坚实的理论依据,借助优化方法解决及其学习的一种新工 具.近年来,支持向量机受到人们的广泛关注,在理论研究和算法实现方面都有了很大的突 破,成为现代机器学习的热点课题.-Support vector machine(SVM)is a new approach that can solve machine learning problem with optimization methods. In recent years,there has been a s
pegasos
- Pegasos-原始估计分梯度求解支持向量机“ 是一种原始的优化支持向量机分类算法解决问题。 请参阅进一步的参考。-"Pegasos-Primal Estimated sub-Gradient SOlver for SVM" is a primal optimization problem solver in Support Vector Machine classification algorithm. See the paper for further reference
SVM13
- SVM神经网络中的参数优化---提升分类器性能 -SVM parameters optimization of neural network classifiers to enhance the performance---
RDPC
- 用遗传算法( Genetic Algorithm,GA) 搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光 谱区间及波长,并建立了支持向量机( Support Vector Machines,SVM) 定性分析模型。实验供试农药为灭多威、 氰戊菊酯和氧乐果3 种。通过GA 来搜寻整个波段范围( 460 ~ 1 800 nm) ,将得到的9 个最佳特征光谱区间所 包含的波长( 共318 个) 作为SVM 建模的输入变量,对识别被3 种农药污染脐橙的准确率为100 。并继续应
Machines-Based-on-DFS
- 深度优先搜索的支持向量机参数优化算法 Study on Parameters Optimization of Support Vector Machines Based on DFS :研究支持向量机参数优化问题,由于算法要求准确选择 SVM 参数,支持向量机在处理大样本数据集时和最优模型参 数确定时,消耗的时间长、占有内存大,易获得局部最优解的难题。为了解决支持向量机存在的不足,采用深度优先搜索算 法对其参数优化机机制进行改进。将向量机参数优化视成一个组合优化问题,将支持向
30-case-studies
- MATLAB神经网络30个案例分析__读者调用案例的时候,只要把案例中的数据换成自己需要处理的数据,即可实现自己想要的网络。该书共有30个MATLAB神经网络的案例(含可运行程序),包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络;还包含PSO(粒子群)、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。-30 case studies of the MATLAB Neural Network __ readers call the case, as
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
psoSVMcgForRegress
- 利用粒子群算法对支持向量机(SVM)进行分类优化-optimizate the support vector machine (SVM) classification
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 searches the solution space intelli
improve-performance-of-classifie
- SVM神经网络中的参数优化---提升分类器性能-SVM neural network parameters optimization, improve the performance of the classifier
GImpprovedSVVe
- 将遗传算法(GA)与传统SVM算法结合,构造出一种参数最优的进化SVM(GA2SVM),SVM 模型使用径向基函数(RBF))作为核函数,运用格雷码编码方式对SVM算法的模型参数进行遗传编码与优化搜索,,将搜索到的优化结果作为SVM 的最终模型参数。 -Genetic algorithm (GA) combined with the traditional SVM algorithm to construct a parameter of the evolution of the optim
SVMyouhua
- 该程序可以实现能够实现SVM神经网络中的参数优化-The program can be able to achieve the parameters in the SVM neural network optimization