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.
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.
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.
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
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
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
onTextCategorization
- 本文比较研究了在中文文本分类中特征选取方法对分类效果的影响。考察了文档频率DF、信息增 益IG、互信息MI、V2分布CHI 四种不同的特征选取方法。采用支持向量机(SVM) 和KNN两种不同的分类 器以考察不同抽取方法的有效性。实验结果表明, 在英文文本分类中表现良好的特征抽取方法( IG、MI 和 CHI)在不加修正的情况下并不适合中文文本分类。文中从理论上分析了产生差异的原因, 并分析了可能的 矫正方法包括采用超大规模训练语料和采用组合的特征抽取方法。最后通过实验验证组合特征
svm
- 支持向量机，用于文本分类，这个工具包是分两类所用的-Support vector machine for text classification, this toolkit is divided into two categories used
An-Introduction-to-SVM
- 支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，该算法在文本分类、手写识别、图像分类、生物信息学等领域中获得了较好的应用。本书是SVM的权威参考书。-Support Vector Machine (SVM) is a new learning algorithm developed on the basis of statistical learning theory, the algorithm to obtain a better application in the
pasvm
- 支持向量机对文本进行分类，参数选择进行优化-Support vector machine SVM text classification
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