搜索资源列表
svm_classify
- 一个完整的SVM支持向量机分类器的vc++源程序
svm_learn
- 机器学习方法支持向量机SVM源程序，vc
svm1
- 我写的支持向量机做回归分析程序，下载后，设计样本数据，就可以用
svm-toy
- 支持向量机制。SVM分类器的重要部件。可以检测和训练样本集和
libsvm-weight-2.81
- 一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题：该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样本进行训练,获得回归分类器,希望对大家有用!
svmfwd
- 部分支持向量程序，可用matlab工具箱，可以作为编程的参考，也可作为初学者的工具
svm7
- 支持向量机是一种专门用于样本分类的算法,本程序用VC++实现了SVM算法
SVM-KM
- 基于核分析的多类分类器，支持向量机的多类分类，适合研究学习，欢迎同行下载
mySVM
- 这是我找到的C语言编写的支持向量机程序包，有数据
NeuralNetwork_RBF
- 支持向量机的经典算法，对于你学习模式识别非常有帮助，基于matlab 的平台
SVM_KNN(matlab)
- support vector manchine and kNN分类的源代码.支持向量机是数据处理的比较良好的方法.最紧邻分类也是比较经典的
@dagsvm
- 有向无环图支持向量(DAG-SVMS)多类分类方法,是一种新的多类分类方法。该方法采用了最小超球体类包含作为层次分类依据。试验结果表明,采用该方法进行多类分类,跟已有的分类方法相比有更高的分类精度。
@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.
@smosvctutor
- 非平衡数据集的分类问题经常出现在许多实际应用中.支持向量机在处理这一类问题时,整体分类性能比较低.为此,Veropoulos提出的采用不同惩罚系数的改进算法可以较好的解决此类问题.此外,可以利用序列最小优化算法简单快速的解决上述优化问题.
SVM_lzb1p0
- 一般支持向量机的回归和分类程序，均可以运行
SLT_SVM
- 浙江大学研究生《人工智能》课件中关于统计学理论和支持向量机的课件
LS-SVMlab1.5aw
- 最小二乘支持向量机的matlab工具包，包括源程序和使用说明
osu_svm3.0
- 这是一款非常优秀的matlab编写的支持向量机程序，对分类效果非常好。
libsvm-2.81
- 这个程序是matlab编写的支持向量程序，主要由于预测。
MATLABshenjingwangluoyuceprogram
- 应用fortran语言编写的神经网络预测程序，效果比支持向量若一些，但是速度非常快