搜索资源列表
-
0下载：
最新的支持向量机工具箱，有了它会很方便 1. Find time to write a proper list of things to do! 2. Documentation. 3. Support Vector Regression. 4. Automated model selection. REFERENCES ========== [1] V.N. Vapnik, \"The Nature of Statistical Learning Theory\", Springer-Verl
-
-
0下载：
支持向量机作为统计学习理论的实现方法，能很好地解决非线性和高维数问题，克服了神经网络方法收敛慢、解不稳定、推广性差的缺点，近年来得到了广泛地研究，在模式识别、信号处理、控制、通讯等方面得到了广泛地应用。-Support Vector Machine as the implementation of statistical learning theory approach, can be a good solution to the nonlinear and high dimension pro
-
-
0下载：
统计学习理论和SVM(支持向量机).ppt统计学习理论和SVM(支持向量机).ppt-Statistical learning theory and SVM (support vector machine). Ppt statistical learning theory and SVM (support vector machine). Ppt
-
-
0下载：
统计学习理论是建立在一套较坚实的理论基础之上的，为解决有限样本学习问题提供了
一个统一的框架。它能将很多现有方法纳入其中，有望帮助解决许多原来难以解决的问题（比
如神经网络结构及参数选择问题）；同时。在这一理论基础上发展了一种新的通用学习方法：
支持向量机（Support Vector Machine，SVM）。它己表现出很多优秀的性能，并已经成为当
今机器学习领域的研究热点。-Statistical learning theory is based on a more soli
-
-
0下载：
统计学习理论中提出的支撑向量机回归(SVR)遵循了结构风险最小化原则,从而避免了一味追求经验风险最小化带来的弊端-Statistical learning theory proposed by the support vector machine regression (SVR) to follow the structural risk minimization principle, thus avoiding the blind pursuit of Empirical Risk Minim
-
-
0下载：
灰色理论是上世纪八十年代发展起来的一门新学科，它对既含有已知信息又含有未知或非确定信息的系统进行预测。支持向量机(SVM)是一种基于统计学习理论的新型学习机，在数据挖掘中有很广泛的应用。本文首先探讨了支持向量机与灰色理论实现的基本原理，介绍了灰色GM(1,1)模型的构建过程，并将灰色GM(1,1)模型应用于支持向量机模型的构建，最后通过一实例验证该模型的有效性-Gray theory is the eighties of last century developed a new discipli
-
-
0下载：
The support vector machine (SVM) is a novel type of learning machine based on statistical learning theory
that can map a nonlinear function successfully. As a battery is a nonlinear system, it is difficult to establish
the relationship between th
-
-
11下载：
优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
-
-
0下载：
支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。- Support
-
-
1下载：
统计学习理论 Vapnik
本书是对统计学习理论和支持向量机方法的全面、系统、详尽的阐述，是各领域中研究和应用机器学习理论与方法的科研工作者和研究生的重要参考资料。-Statistical learning theory Vapnik book of statistical learning theory and support vector machine method of comprehensive, systematic and detailed exposition of the
-
-
0下载：
资料中含有统计学习理论和支持向量机的多篇论文-With statistical learning theory and support vector machines papers
-
-
0下载：
LMS 优化支持向量机 支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力 。-LMS Support Vector Machine optimization SVM method is based on the VC dimension theory and structural risk minimization prin
-
-
0下载：
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
-
-
0下载：
SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。
Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机的提出有很深的理论背景。
支持向量机方法是在后来提出的
-
