搜索资源列表
winsvm
- 支持向量机分类器（可分类文本，编的非常不错）-The uploaded Support Vector Machine (SVM) Classifier can classify text-type data well.
一种增量式支持向量机文本分类模型
- 一种增量式支持向量机文本分类模型-an incremental SVM text classification model
svm_light_by_joachims.tar
- 这个是我最近得到的支持向量机 light 的源码包。。。这个源码包主要是用作文本分类，它是由Joachims首先提出并实现。。。希望对大家有帮助！-this is what I recently obtained the support vector machine light of the source package. . . The source package is used mainly for text classification, it was first proposed by
svm_light_multiclass.tar
- SVM Light的多分类源代码，尤其是可用来做文本分类。SVM（支持向量机）方法是目前已知的最优秀的分类方法之一。SVM不仅可以用来分类，也可以用来做回归。-SVM classification of more source code, in particular used to make text classification. Support Vector Machine (SVM) is currently the best known of the classification met
@polynomial
- VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,SVM文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得出的结论跟实验结果相符.
libsvm-2.82
- svm(支持向量机)是著名的文本分类算法。libsvm是其中的一种实现的最新版本，完全开源。linux环境。
winsvm
- 用支持向量机（svm）实现文本的自动分类系统。
支持向量机java实现
- 文本自动分类的java实现
SVM.VC实现的中文文本分类器
- 一种使用VC实现的中文文本分类器,实现了支持向量机,一种使用VC实现的中文文本分类器,实现了支持向量机
svm-EM
- SVM(支持向量机）和EM（最大熵）文本分类算法，压缩包中包括了测试文本（环境类和计算机类），词典，停用词表等。-SVM (support vector machine) and EM (maximum entropy) text classification algorithm, compressed package includes test text (environmental and computer), dictionary, thesaurus, such as disabled.
supportvector
- 完成支持向量机方法的文本分类 用C++语言编写-The completion of support vector machine method of text categorization with C++ Languages
15883849svm
- 文本分类算法很多，神经网络算法遗传算法可以用，本算法采用支持向量机SVM来实现-Text Classification Algorithm
webcat
- 这是一个100 ％纯Java库，您可以使用适用于N元 分析技术的过程分为文本文件。 该计划包括几个不同的分类算法， namelly 支持向量机，贝叶斯Logistic回归，神经网络分类和文本压缩 算法。如支持向量机和贝叶斯Logistic回归，一个 “一对一” 用于多类分类。更详细的说明这些学习算法和可用的选项，请提供的javadocs 。-It is a 100 pure Java library that you can use to apply N-Gr
SupportVectorMachinesTextClassification
- 支持向量机（support vector machine）用来解决复杂的文本分类问题-support vector machine& text classification
Test Class By SVM
- 支持向量机实现的文本分类程序，过程如下，首先使用分词工具分词，这里使用的是计算所的分词工具，从而保证分词是最优秀的，接下来使用国际效率最高的文本IFIDF向量生成工具生成文本相量，最后使用台湾林智恒的效率最高的SVM实现软件包libsvm实现训练和分类，可以这么说，该文本分类是同类中效率最高最准确的-text classfication source code use 3 technology.words sementation,vector gerneration,and libsvm too
svm
- 选用支持向量机作为区分文本与非文本的分类器，支持向量机是在统计学习理论基础上发展起来的新一代学习算法，它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。-Use support vector machine as the distinction between text and non-text classifier, support vector machine is in statistical learning theory developed on the basis of
jxsvm
- 交互支持向量机学习算法能解决一些监督学习问 题中学习样本较少的问题, 它以支持向量机(SVM ) 方法为 基础, 将设计分类器变成一个交互的过程, 即: 根据对已知 样本进行的SVM 分类器设计, 主动采样选择“有用”的新样 本, 并进行下一步SVM 分类器的设计。与普通SVM 法相 比, 该方法所需的样本量大大降低, 而且可能达到更好的推 广能力。文本信息过滤问题的实例说明了该算法的有效性。-Interactive support vector machine lear
text_classification_using-svm
- 关于svm支持向量机的比较权威的论文，详细介绍了svm算法的原理及其在文本分类中的应用-Authoritative papers for Svm support vector machines , detailing the algorithm and its application in svm text classification application
svm
- svm源码 支持向量机 文本分类算法-the svm source text classification algorithm Support Vector Machine
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 in 1995, because of its powerf