搜索资源列表
svm_v0[1].55beta.tar
- 用于进行所谓的支持向量机的分析，关键是对信号进行分类，用于处理非线性非平稳信号-used for the so-called support vector machines, the key is the signal classification for handling nonlinear non-stationary signals
libsvm_java
- 模式分类经典算法——支持向量机 java语言版-classic pattern classification algorithm -- Support Vector Machine language version of java
Digit-recognizer---knn-a-svm
- matlab中分别使用knn（k近邻）与svm（支持向量机）实现的对手写数字识别的二分类器-Digit recognizer(KNN and SVM) developed in matlab
最小二乘支持向量机工具
- 采用最小二乘支持向量机完成对信号的分类，预测功能。 该工具包在2009版本上已经验证。
LS_SVMlab
- 基于最小二乘法的支持向量机可以用于分类，它比传统的支持向量机方法更省时，准确率更高-Based on least squares support vector machine can be used for classification, it is than the traditional support vector machine method is more time-saving, higher accuracy
OSU_SVM3.00
- 支持向量机可用于数据约简以及分类，它是将原始空间的样本通过非线性映射变换到高维特征空间的方法-Support Vector Machines can be used for data reduction and classification, it is the original sample space through nonlinear mapping transformation to high-dimensional feature space method
svm_smo
- 支持向量机分类算法，将高斯函数与序列最小优化算法结合实现。-support vector machine smo
libsvm3
- 台湾林智仁编写的支持向量机开源程序，可用于分类（C-SVC，nu-SVC，one-class SVM）和回归（epsilon-SVR，nu-SVR）。这是最新版本3.0。-Libsvm3.0 is a simple, easy-to-use, and efficient software for SVM classification and regression. It solves C-SVM classification, nu-SVM classification, one-cla
svmpredict
- 支持向量机源代码,svm预测,使用libsvm进行分类,优化libsvm的各种参数-svm predict
OnlineSVR-CPP-Code
- 支持向量机在线学习训练算法C++源码，可以用来做数据分类、模式识别、回归估计、概率密度函数估计等方面。-Support vector machine online learning training algorithm C++ source code, can be used for data classification, pattern recognition, regression estimation, probability density function estimation an
支持向量机的相关简介
- 支持向量机主要解决了分类问题和回归问题两大类
liblinear-1.94
- liblinear1.94支持向量机的分类器-liblinear SVM classifier
niejeng_v56
- matlab开发工具箱中的支持向量机，可以实现模式识别领域的数据的分类及回归，相控阵天线的方向图（切比雪夫加权）。- matlab development toolbox support vector machine, You can achieve data classification and regression pattern recognition, Phased array antenna pattern (Chebyshev weights).
svm1
- 支持向量机是针对多种数据需要分类的问题，通过训练数据特征，然后再在其基础上面进行测试识别。-Support vector machine is needed for a variety of data classification problem, characterized by the training data, then the basis of the above test its recognition.
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
Classifiers
- 我们需要成百上千的分类器来解决现实世界的分类吗 我们评估179分类17种分类器（判别分析，贝叶斯，神经网络，支持向量机，决策树，基于规则的分类器，升压、装袋、堆放、随机森林和其他合奏，广义线性模型，线性，偏最小二乘法和主成分回归，logistic回归、多项式回归、多元自适应回归样条等方法），实现在WEKA，R（有或没有插入包），C和Matlab，包括所有目前可用的相关分类。(Do-we-Need-Hundreds-of-Classifiers-to-Solve-Real-World-Class