搜索资源列表
SVM_PASCAL
- SMO方法的SVM的PASCAL实现。TXT文档-SMO of SVM PASCAL achieve. TXT files
SMO_jadeff
- svm的smo C++算法(更新2006-11-21)
jchshibie
- 支持向量机（SVM）是一种基于超平面分类的新的学习方法，具有很强的泛化能力。研究了支持向量机的学习机理，以及实现支持向量机的序贯最小优化算法（SMO），并用来对舰船图像进行识别。首先将待识别目标进行二维小波分解，获取不同尺度下的小波系数，然后对其进行主元分析，得到的主元分量作为支持向量机的特征量输入。实验结果表明，该方法具有良好的分类性能。-Support Vector Machine (SVM) is a hyperplane-based classification of new learn
Sequential_Minimal_Optimization_for_SVM
- 支持向量机（SVM）的Sequential Minimal Optimization 算法，介绍了支持向量机（SVM）和SMO算法（c++伪代码）。-Sequential Minimal Optimization for SVM
SMO
- C++编写的序列最小最优化算法(Sequetial Minimal Optimization）算法实现-SVM in the sequential minimal optimization algorithm
JSvmLib
- 支持向量机SVM的SMO算法java实现-The SMO support vector machine SVM algorithm java implementation
SMOSVM
- 用于svc分类， 用SMO实现SVC，并在UCI数据集Iris上进行实验,2. 可借鉴现成SVM软件包，实现回归分析。 -For svc classification, using SMO to achieve SVC, and in the UCI Iris data set on the experiment, 2. SVM can learn ready-made packages, to achieve regression analysis.
utilities
- 基于SVM的快速极小化SMO化算法程序，程序清晰易懂，易理解，可读性强，希望对同行有所帮助 -SVM-based fast minimization algorithm SMO program, the program clear and easy to understand, easy to understand, readable, and want to help peers
SVM-SMO
- 实现图像分类，支持向量机原始优化算法SMO-Image classification, the original optimization algorithm SMO support vector machine
SVM-SMO-done-linear
- 自编svm分类，可区分片面内不同类型点，并分组-SVM
abalone_SVM
- 利用一个简单例子说明如何使用libsvm工具包，libsvm采用smo比传统svm速度更快-Using a simple example to illustrate how to use the libsvm kit, libsvm with SMO is faster than the traditional svm
Ssvmmsmooe
- 支持向量机smo算法，，非常好的实现ＳＶＭ的算法 -Smo algorithm, support vector machine, very good implementation of SVM algorithm
smo_p
- svm支持向量机的SMO算法C++实现，带测试数据可以直接进行测试-SMO algorithm of support vector machine with the test data c++ realization, can be directly for testing
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
- 两类svm算法，用SMO算法计算拉普拉斯算子-Two svm algorithm, using SMO algorithm Laplacian
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
svm
- svm 实现,经典的SMO算法，支持三种kernel（多项式，高斯，内积）。还有test 函数 -implmentation of svm
SVM
- 支持向量机分类程序，使用高斯核函数，SMO顺序最优化算法，为学习SVM提供参考-SVM program, using a Gaussian kernel, SMO sequence optimization algorithm to provide a reference for learning SVM
SVM_smo_C++
- 该例程使用C++语言实现，支持向量机的SMO算法，包含标注的数据集，实现13维分类(Implement SVM-SMO algorithm using C++,including training dataset)
svmjs-master
- Support Vector Machine in Javascr ipt (SMO algorithm, supports arbitrary kernels) + GUI demo