搜索资源列表
经典SVM算法matlab程序
- 经典SVM算法matlab程序 经典程序，不可缺少！
支持向量机2.86版程序
- 基于matlab平台的libsvm,用于分类和回归-Based on matlab platform libsvm, for classification and regression
支持向量机2.86版程序
- libsvm-mat-2.86-1
svmlib2.9
- 台湾人开发的svm试验用程序，c++编的，已经试验过，可用。也可以自己改编。
林教授的支持向量机工具包libsvm-2.88
- 台湾林智仁教授的libsvm源代码，libsvm-2.88。
svm(工具箱)
- 支持向量基的工具箱，里面包括了SVM的训练，预测，画图等很多功能
LS_SVMlab工具箱
- LS_SVMlab工具箱，可以实现二分类、多分类和回归，内有详尽demo以及100多页的pdf使用手册,不懂支持向量机的可以通过改工具箱及手册很容易上手。
LS-SVMlab
- 最小二乘支持向量机
svm_light
- 支持向量机(3)svm_light,Support Vector Machines(3):svm_light
svm_struct
- 支持向量机(3)svm_struct,Support Vector Machines(3):svm_light
libsvm-mat-3.0-1
- 支持向量机的matlab工具箱，版本号3.0.1
基于主成份分析的Bagging集成学习方法
- 机器学习中数据集的冗余特征会影响学习器的泛化能力，一些流行方法如支持向量机和集成学习也难免于 此．研究了利用主成份分析进行特征变换对Bagging集成学习算法的影响，提出一种称为PCA—Bagging的算法，并与 其它算法比如单个支持向量机、支持向量机Bagging集成、带有特征变换的单个支持向量机等进行了性能比较．在 多个UCI标准数据集上的实验表明PCA—Bagging算法具有更好的性能，这说明即使是泛化能力很强的集成学习方 法其学习的数据也需要进行适当的特征变换
lssvm
- 最小二乘支持向量机
svm程序
- 用于支持向量分类和回归
LS-SVM
- 一个很实用的最小二乘支持向量机程序包(LS-SVMlab1.5)
libsvm-mat-2.89-3
- 支持向量机
支持向量机
- matlab_SVM 视频讲解