搜索资源列表
DLBCL
- 几种分类器NB SVM ＫＮＮ 效果不错
svm_multiClass
- svm(支持向量机)分类算法本质上是二类分类器，实现多类分类的方法一般是将多类分类看作是多个一对多的二类分类器。本程序就是基于svmlight的svm多类分类器实现。对分类感兴趣的用户请参照。配合中文分词（参见我上传的程序），可实现中文多类分本分类。
TK1.2-ARG0vsARG1.tar
- SVM分类器是一个很好的中文信息处理工具,不错的很好的东西
svmmatlab
- matlab开发的SVM分类器，用于学习研究-svm ,classify，matlab
SVM
- SVM分类器，针对语音信号的分类识别应用。内容非常多，大家可以筛选着利用。-SVMclassification
mfccPSVM
- 本实例程序是基于matlab的语音识别程序，通过提取传统的MFCC特征集，采用当前流行的SVM分类器，作为对比实验是一个不错的选择。-This example program is popular SVM classifier matlab speech recognition program to extract MFCC feature set, as a comparative experiment is a good choice.
svm-based-tone-recognition
- 基于svm分类器的汉语声调识别，实现了对声调四声的识别，纯净语音识别率100 ，噪声环境下识别率90 -The svm classifier based Chinese tone recognition, the four tones of tone recognition, the pure voice recognition rate of 100 , 90 recognition rate in noisy environments
606d9c1ae690
- 基于支持向量机的彩色人脸识别算法，包含完整的分类器。-Color based on SVM face recognition algorithm, including complete classifier.
chapter13_GA
- 对最小二乘支持向量机的核函数进行参数优化，最后得到分类更加准确的分类器-For least squares support vector machine (SVM) kernel function parameter optimization, finally get a more accurate classification of classifier
chapter15_0
- svm 的参数优化，利用交叉验证法选择最优参数c g，最终提高训练集的分类准确率,更好的提高分类器性能-Svm parameter optimization, the use of cross-validation method to the optimal parameter c g, and ultimately improve the training set classification accuracy，better improve the classifier performan
chapter15_PSO
- svm 的参数优化，利用pso(粒子群优化算法)选择最优参数c g，最终提高训练集的分类准确率，更好的提高分类器性能-Svm parameter optimization, the use of pso (particle swarm optimization algorithm) to the optimal parameter c g, and ultimately improve the training set classification accuracy, better impr
chapter15_GA
- svm 的参数优化，利用ga(遗传优化算法)选择最优参数c g，最终提高训练集的分类准确率，更好的提高分类器性能-Svm parameter optimization, the use of ga (genetic optimization algorithm) to the optimal parameter c g, and ultimately improve the accuracy of the training set classification, better improve
gaSVMcgForClass
- svm 的参数优化，利用ga(遗传优化算法)选择最优参数c g，最终提高训练集的分类准确率，更好的提高分类器性能,这是ga的功能函数源码-Svm parameter optimization, the use of ga (genetic optimization algorithm) to the optimal parameter c g, and ultimately improve the training set classification accuracy, better imp