搜索资源列表
lsvm
- 支持向量机方法，用matlab实现，用于分类检测、模式识别，人脸检测等-Support Vector Machine method, the realization of Matlab for the detection and classification, pattern recognition, face detection
mmySVM
- 这是支持向量机的一个程序，可以做回归和分类问题。如果有问题可以和作者联系。-SVM a procedure can be done regression and classification problems. If there's a problem and can contact the author.
GUI_MSVM
- 一个完整的具有图形操作界面的支持向量机模式识别的实验系统.全部用Matlab实现,可以实现多种分类识别. 这是本人的毕业设计的附属程序-complete with a graphical interface SVM pattern recognition to the experimental system. All using Matlab ab realized, could achieve multiple classification. This is my graduation des
GUI_PR_SVM
- 具有图形操作界面的支持向量机多类分类实验系统.全部用Matlab实现,可以实现多种分类识别. 这是本人的毕业设计的附属程序-graphical interface with support vector machines more experimental classification system. All using Matlab, could achieve multiple classification. This is my graduation design procedures f
1687504099
- 支持向量机(SVM)实现的分类算法源码(matlab)-Support Vector Machine (SVM), a classification algorithm source code (Matlab)
libsvm-2.84
- SVM分类，支持向量机，包括matlab源码，使用非常方便-SVM classification, support vector machines, including Matlab source, the use of very convenient
Multi-ClassSVM
- 提出了一种基于支持向量机的多类模拟调制方式识别算法。该算法通过分析模拟调制信号的特点，提取有效的特征向量以区分不同的调制方式，并基于支持向量机和判决树分类思想，将特征向量映射到高维空间中加以分类。
support_vector_machine
- C针对模式识别问题H描述了支持向量机的基本思想H着重讨论了OD=?PI最小二乘=?PI加权=?P 和直接 =?P 等新的支持向量机方法H用于降低训练时间和减少计算复杂性的海量样本数据训练算法分块法I分解法H提 高泛化能力的模型选择方法H以及逐一鉴别法I一一区分法IPD., 分类法I一次性求解等多类别分类方法@最后给 出了污水生化处理过程运行状态监控的多类别分类实例@作为结构风险最小化准则的具体实现H支持向量机具有 全局最优性和较好的泛化能力
svm-text
- 一些有关于用支持向量机作文本分类的文章，感兴趣的人可以
libsvm-2.83
- 支持向量机 c++库 做统计数据分类的好帮手 希望对大家有所帮助
svm
- 数据挖掘 数据分类算法 支持向量机分类
svmmatlab2
- ％ 支持向量机Matlab工具箱1.0 - C-SVC, C二类分类算法 ％ 使用平台 - Matlab6.5 希望对你有用
svmmatla3
- ％ 支持向量机Matlab工具箱1.0 - Nu-SVC, Nu二类分类算法 ％ 使用平台 - Matlab6.5 希望对大家有用
SVM-KM
- 一个支持向量机的matlab工具箱，具有分类、拟合等功能，希望大家下载研学阿！-a Support Vector Machine Matlab toolbox, with classification, fitting features that you download Studies, A!
支持向量机C#程序
- 改程序在C#中采用lilbsvm对样本进行了训练，有界面，对利用svm进行分类的很有帮助。
LSSVM_python_code-master
- 最小二乘支持向量机 ，实现很好的分类效果，零训练误差(Least Squares Support Vector Machines (LSSSMs) to achieve good classification, zero training error)