搜索资源列表
分类算法
- 最小二乘支持向量机分类
svm_face_recognition
- 一篇很不错的关于人脸表情识别的论文。论文提出了一种基于人脸局部特征的表情识别方法，先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机( SVM)设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机( SVM)表情分类器,确定表情图像的所属类别。-A very good facial expression recognition on paper. This paper proposes a feature based on local expression
Usingmixture0fkernelst0impr0VetheclassificatiOn.ra
- 混合核函数对支持向量机分类性能的改进 有用-Mixed kernel function support vector machine classifier useful for performance improvement
controllingsensitivity
- Veropoulos写的通过调整支持向量机参数改进其分类效果的文章-Veropoulos written by adjusting the parameters of support vector machines to improve its classification results of the article
RoughSetAndSVM
- 本文提出一种综合粗糙集与支持向量机的 Web 文本分类模型，利用粗糙集的属性约简方法，减少支持向量机训练数据的维数，提高 Web 文本分类的性能与效率.-This article advances a Web text classification model which synthesis rough set and support vector machine. Using the rough set’s attribute reduction method to reduce the di
Options
- MATLAB支持向量机工具箱分类相关参数选择介绍-MATLAB support vector machine tool box classification related parameters selection is introduced
FCM-for-EEG
- 模糊C均值脑电分类并使用了支持向量机对比，其中支持向量机使用了三种方法参数寻优。-fuzzy C means clustering for EEG classification，and use the SVM for campare. The SVM applied three methods to find the optimal apartments.
Data-Classification-and-Recognition
- 提出一种基于模糊C 均值的支持向量机分类算法，通过模糊C 均值算法对未知类别数据 进行划分，然后再利用支持向量行对划分后的数据机进训练。解决了以往人们应用支持向量机进行 数据分类识别前必须采用已知类别的数据对支持向量机进行训练的弊端，提高了数据分类的效率。-Support vector machines classification algorithm is proposed based on Fuzzy C-Means, Fuzzy C-Means algorithm unknown
DCT
- 提出了一种基于DCT提取人脸特征技术和支持向量机分类模型的人脸识别方法。利用离 散余弦变换可提取人脸可识别的大部分信息,而支持向量机作为分类器,在处理小样本、高维数等 方面具有独特的优势,且泛化能力很强,无需先验知识。从ORL 人脸库上的实验结果可以看出, DCT特征提取是很有效的,且SVM的分类性能优于最近邻分类器,同时提高了整个系统的运算速 度。-A face recognition method based on DCT for face feature extractio
Custom-Evaluation
- 提出一种基于粗糙集与支持向量机的客户动态评估方法。根据客户群特点从当前价值、潜在价值和附加价值三个维度分析并构建客户评估指标，利用指标的年增幅率监测客户价值的变化规律。应用粗糙集布尔推理算法、粒子群算法实现连续属性离散化和知识约简。通过10-重交叉验证和网格搜索技术获取最优惩罚因子与核参数，缩放样本数据集并完成支持向量机一对一分类器的训练与测试。结果表明该评估方法能够实现周期性的客户价值评估与细分，具有很强的泛化能力。- A customer dynamic evaluation method
svm
- SVM的理论基础 线性判别函数和判别面 最优分类面 支持向量机 LIBSVM简介-The theoretical basis of the SVM linear discriminant function and discriminant surface optimal hyperplane Support Vector Machines LIBSVM Profile
SVM
- 深度学习中关于向量机支持向量机（即一种分类器）的相关内容-Depth study on vector machines support vector machine (that is, a classifier) related content
支持向量机非线性回归通用MATLAB源码
- 支持向量机和BP神经网络都可以用来做非线性回归拟合，但它们的原理是不相同的，支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。大量仿真证实，支持向量机的泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。本源码可以用于线性回归、非线性回归、非线性函数拟合、数据建模、预测、分类等多种应用场合，GreenSim团队推荐您使用。
svm-classification
- 这是一个完整的支持向量机分类器程序，比较适合初学者使用-This is a svm classification procedure, which is suitable for beginner
classificiation-algorithm-overview
- 机器学习领域经典分类算法综述，包括Decision Tree（ＩＤ３、C4.5(C5.0)、CART、PUBLIC、SLIQ和SPRINT算法），三种典型贝叶斯分类器（朴素贝叶斯算法、TAN算法、贝叶斯网络分类器），k-近邻 、 基于数据库技术的分类算法（ MIND算法、GAC-RDB算法），基于关联规则（CBA:Classification Based on Association Rule）的分类（Apriori算法），支持向量机分类，基于软计算的分类方法（粗糙集（rough set）、遗传
document-processor-master
- 文本分类java源代码，通过支持向量机来对文本进行自动分类处理。-Text Categorization java source code for automatic text classification by support vector machine.
MainPlot
- 基于支持向量机的算法分类主程序，该算法是基于libsvm工具箱实现的能很好的实现分类的性能-Matlab sVM learning algorithm
lssvmMATLAB
- 最小二乘支持向量机，采用matlab编写，可以直接使用，SVM是经典的分类和预测算法。-Squares support vector machine, using matlab prepared, can be used directly, SVM is the classic classification and prediction algorithms.
基于支持向量机的几种核函数遥感图像分类比较
- 该文献详细介绍了支持向量机SVM在遥感图像中的应用，尤其是在小目标的提取上居然不可替代的作用(In this literature, the application of support vector machine SVM in remote sensing images is introduced in detail, especially the irreplaceable role in the extraction of small targets)
支持向量机用于高光谱分类
- 支持向量机用于高光谱分类的代码，包含显示代码。内含数据，标签，分类结果。