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
-
-
10下载：
这是一个用pso优化SVM中的惩罚参数C和核参数g的MATLAB源码，简单易学-This is an optimization of SVM with the pso in the penalty parameter C and kernel parameter g of the MATLAB source code, easy to learn
-
-
0下载：
A distributed PSOSVM hybrid system with feature selection and parameter optimization
-Abstract
This study proposed a novel PSO–SVM model that hybridized the particle swarm optimization (PSO) and support vector machines (SVM) to
improve the clas
-
-
0下载：
最小二乘隐空间支持向量机
王玲 薄列峰 刘芳 焦李成
!
在隐空间中采用最小二乘损失函数$提出了 最 小 二 乘 隐 空 间 支 持 向 量 机#0*&**52H 8
同 隐 空 间 支 持 向
量机#&**52H 一样$最小二乘隐空间支持向量机不需 要 核 函 数 满 足 正 定 条 件$从 而 扩 展 了 支 持 向 量 机 核 函 数 的
选择范围
8
由于采用了最小二乘损失函数$最小二乘隐空间支持向量机产生的优 化 问 题 为 无 约 束 凸 二 次 规
-
-
0下载：
Support Vector Machines, one of the new techniques for pattern classifi cation, have been widely used in many application areas. The kernel
parameters setting for SVM in a training process impacts on the classifi cation accuracy. Feature
-
-
1下载：
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
-
-
0下载：
多核的异常检测（MKAD）算法用于一组文件的异常检测。它引入多喝到一个单优化函数，并使用一类支持向量机（OCSVM）框架进行实现-The Multiple Kernel Anomaly Detection (MKAD) algorithm is designed for anomaly detection over a set of files. It combines multiple kernels into a single optimization function using the
-
-
3下载：
遗传算法和粒子群算法以及网格搜索法优化神经网络SVM的高斯核参数和惩罚参数-Optimization of Genetic Algorithm Neural Network SVM Gaussian kernel parameters and penalty parameter
-
-
0下载：
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
-
-
0下载：
SHARK是一种快速、模块化、功能丰富的开源C++机器学习库。它提供了线性和非线性优化的方法，基于内核的学习算法，神经网络，和其他各种机器学习技术（见下面的特征列表）。它作为一个强大的工具箱，已经在现实世界有很多应用和研究。SHARK依赖于Boost和 cmake。它兼容Windows，Solaris，MacOS X和Linux。根据GNU通用公共许可证授权许可。-SHARK is a fast, modular, feature-rich open-source C++ machine lea
-
-
0下载：
利用SVM算法对叶片信息进行学习，并利用核函数优化算法进行参数的优化，最后测试叶片的分类结果-SVM algorithm is used to study the leaf information, and the kernel function optimization algorithm is used to optimize the parameters. Finally, the classification results
-
