搜索资源列表
SVM
- C++实现的SVM程序，可以进行多类分类。-C++ implementation of the SVM procedure, can be multi-class classification.
01
- 的研究彩色数字图像的计算机分类识别方法并应用于古瓷片的自动分类。方法提出 了一种色彩纹理特征的提取模型，采用该模型，利用IGabor滤波器提取数字图像的色彩纹理特征， 并构造支持向量分类机(SVM)分类器组。结果实现了高准确率多类别图像的自动分类识别，并 成功应用于古瓷片的自动分类。结论色彩纹理特征提取方法将颜色与纹理进行融合，增强了数 字图像之间的特征区分能力。-Study color digital image classification and recognition m
SVM-and--Face-Recognition
- 支持向量机及其在人脸识别中的应用研究 上海交通大学博士论文，在知网上面付费下载得到的。本文从应用的角度出发，较为全面地对一些相关问题进行探讨，并使用Visual C++实现了一个基于支持向量机的人脸识别软件—idTeller。 论文的主要工作和创新点包括： ·提出了两种基于VC边界的支持向量机参数选择算法—固定C算法和VC-CV算法。VC边界是两类支持向量机参数选择的一个理想准则，但它的一些固有缺点使其应用变得困难。本文通过将VC边界转化为VC指标，最终把问题归结为对最小包围体的求解，从理论
Multi-class-SVM-Image-Classification
- 基于神经网络的遥感图像分类取得了较好的效果,但存在固有的过学习、易陷入局部极小等缺点.支持向量机机器学习方法,根据结构风险最小化(SRM)原理,表现出很多优于其他传统方法的性能,本研究的基于多类支持向量机分类器的遥感图像分类取得了达95.4 的分类精度.但由于遥感图像分类类别多,所需训练样本较大,人工选择效率较低,为此提出以人工选择初始聚类质心、C均值模糊聚类算法自动标注训练样本的基于多类支持向量机的半监督式遥感图像分类方法,期望能在获得适用的分类精度的基础上有效提高分类效率-Neural ne
ann-svm
- 有多个程序，用ANN和SVM进行比较用于模式识别分类的效果-Multiple programs, the comparison for the classification of the pattern recognition results using the ANN and SVM
spider
- 机器学习matlab源代码，包括多分类SVM，模式识别，特征选择，回归等算法。-The spider is intended to be a complete object orientated environment for machine learning in Matlab. Aside from easy use of base learning algorithms, algorithms can be plugged together and can be compared with
Ssvmm_light_mV
- SVM Light的多分类源代码，尤其是可用来做文本分类。SVM（支持向量机机）方法是目前已知的最优秀的分类方法之一。SVM不仅能用来分类，也能用来做回归。 -The SVM Light classification of source code, in particular, used to make text classification. SVM (support vector machine machine) method is one of the currently known
libsvm-mat-2.89-3
- SVM的多分类问题MATLAB工具包。传统的SVM只支持二分类问题，MATLAB自带的工具包也存在同样的问题。可以在setpath中导入此包，便可轻松将SVM问题扩展到多分类的层面。-A matlab toolkit to solving multi-classification problems based on svm. Traditional svm and the matlab toolkit svmtrain can only support for bi-classificati
Classification_OSU_SVM
- 是一种支持向量机的改进，能进行多类分类，解决了原SVM二分类的缺陷-Is a kind of support vector machine (SVM) improvement, can multiclass classification, solve the two original SVM classification of defects
svm_smo
- SVM SMO 多分类的c++源码，自己编的，可以运行-SVM SMO multiple classifiers c++ of source code, own series, you can run
svm_multiclass
- 科研上用来进行基于SVM方法的多分类的程序-Multi-classification procedure based on SVM method is used for research
SVM-function-available
- 可以实现SVM函数曲线拟合，支持向量机曲线逼近，多类分类等等强大功能，无需修改源程序，直接可用-The SVM function curve fitting, support vector machines curve approximation, powerful multi-class classification, etc., without modifying the source code directly available
Multi-class-SVM--LS_SVMlab
- 工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多类分类 Regression_LS_SVMlab.m - 函数拟合-Toolbox: LS_SVMlab Classification_LS_SVMlab.m- multi-class classification Regression_LS_SVMlab.m- function fitting
svm
- 支持向量机：用于把数据进行分类，多类分类器。分类正确率高-support vector machine for classification
SVM-matlab
- svm的各种经典的程序，用于对数据、图像进行分类，回归。其中，既包含分两类的程序，也包括分多类的程序，以及svm改进算法的程序。-svm various classic procedures for data, image classification, regression. Which contains both the two types of procedures, including many types of procedures and svm algorithm procedur
MIMLmiSVM
- matlab编写的多示例多标记分类程序，采用miSVM算法，svm做分类器，其中附有各个调用函数，和作为例子的数据和主程序，可以运行，可以多多示例多标记样本进行分类。-matlab prepared multi-instance multi-label classification procedures, using miSVM algorithm, svm do classifier, which function with each call, and as an example of th
SVM-reviewed
- 支持向量机方法中也存在着一些亟待解决的问题，主要包括：如何用支持向量机更有效的解决多类分类问题，如何解决支持向量机二次规划过程中存在的瓶颈问题、如何确定核函数以及最优的核参数以保证算法的有效性等。-Support vector machine (SVM) method also exist some problems to be solved, mainly includes: how to use support vector machine (SVM) is more effective t
svm
- 于多类模式分类，使用svm工具箱：LS_SVMlab 使用平台：Matlab6.5 -Multi-class pattern classification, using svm toolbox: LS_SVMlab using the platform: Matlab6.5
SVM
- SVM: 一种分类器，采用最大化分类间隔进行优化参数。 关于这个分类器两点比较重要： 1）SMO优化算法需要掌握， 可以具体参看两篇文章，John Platt的文章 以及“Improvements to Platt s SMO algorithm for SVM Classifier Design” 2）核函数的使用，如何将核函数使用到SVM中，核函数就是空间转换的函数， 说白了就是距离计算函数，如何将同类之间的距离计算的比较近，如何将低维空间转换到易于分类的高维空间
LSSVMlabv1_8_R2006a_R2009a
- 基于LS-SVM的多分类器的工具箱，版本的1.8的。该工具箱很好用，里面的分类我用过，效果比SVM强-LS-SVM classifier 1.8 version of the toolkit