搜索资源列表
基于NSVM的SVM分类器
- 基于NSVM的两类SVM分类器，matlab7.1运行通过，main中做了PCA的特征提取、leave one out cross-valiation和5-fold cross-validation（重复10次的平均值）
svm分类器源代码
- svm文本分类器源代码，分类详细，简单
lib-SVM分类器C实现
- lib-SVM分类器实现，一个用VC实现的SVM分类器。,lib-SVM classifier implementation, implementation of a VC with the SVM classifier.
SVM
- SVM分类的matlab源码实现。并提供一组数据进行仿真。-SVM classification matlab realization.
SVM
- matlab svm 分类程序，适合7.0以上的版本-matlab svm classification procedures suitable version 7.0 or above
SVM
- 在matlab的环境中，根据各种算法提取到的信息来输入SVM分类器中进行训练-classify different various sorts of information in svm
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
SVM-Matlab
- matlab写的SVM分类，tranning和test分开，可直接使用。-matlab write SVM classification, tranning and test separately, can be used directly.
svm
- SVM分类器 分类各种图片的类别 分类各种图片的类别 -SVM classifiers various pictures of various categories of classification of classified images of various image types
svm
- svm分类器，有几类样本点，利用线性SVM分类器求出其分界面-svm classifier, there are several types of sample points, using a linear SVM classifier obtained the sub-interface
SVM分类器
- 简单的SVM分类器开源代码。可直接运行，附带源代码
SVM(SMO)分类器
- JAVA语言编写的SVM分类器，附带源代码，可直接运行
利用Hog特征和SVM分类器进行行人检测
- 利用Hog特征和SVM分类器进行行人检测(Using Hog features and SVM classifiers for pedestrian detection)
SVM
- SVM分类器的matlab实现，针对提供的花的特征分类，并交叉验证(The matlab implementation of SVM classifier aims at providing the feature classification of flowers and cross validation)
SVM
- 利用MATLAB中所带的SVM函数，进行调用来得到SVM分类结果图(classified by SVM classifier)
分类器
- 在matlab平台下，简单实现svm分类器功能（数据仓库与数据挖掘课程）(Simple implementation of SVM classifier)
SVM
- 基于python的svm分类学习。线性可分svm，非线性svm。 对花卉（花蕾）进行分类，并可视化(SVM classification learning based on Python)
SVM分类
- svm 分类算法 需要自己 添加训练序列 全套可以运行(SVM classification)
脑电数据PCA处理及SVM分类
- 脑电eeg数据预处理，用于脑电信号的MATLAB处理程序，输入处理数据，进行matlab运算，PCA处理及SVM分类。(PCA Processing and SVM Classification of EEG Data)
SVM分类
- 基于SVM的疲劳驾驶系统。基于神经网络的非接触式疲劳驾驶检测已成为当前针对疲劳驾驶检测领域炙手可热的研究方向。它有效解决了接触式疲劳检测方法给驾驶员带来的干扰以及单一信号源对于反映疲劳程度可靠性低的问题，同时通过设计神经网络模型对多源信息进行分类，实现对疲劳状态的高精度和高速度的检测。选取合适的特征值对网络检测准确率以及准确反映疲劳程度至关重要。基于驾驶员生理信号检测可靠性和准确性较高。(Fatigue driving system based on SVM)