亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

支持向量機(jī)

  • 最新的支持向量機工具箱

    最新的支持向量機工具箱,有了它會很方便 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-Verlag, New York, ISBN 0-387-94559-8, 1995. [2] J. C. Platt, "Fast training of support vector machines using sequential minimal optimization", in Advances in Kernel Methods - Support Vector Learning, (Eds) B. Scholkopf, C. Burges, and A. J. Smola, MIT Press, Cambridge, Massachusetts, chapter 12, pp 185-208, 1999. [3] T. Joachims, "Estimating the Generalization Performance of a SVM Efficiently", LS-8 Report 25, Universitat Dortmund, Fachbereich Informatik, 1999.

    標簽: 支持向量機 工具箱

    上傳時間: 2013-12-16

    上傳用戶:亞亞娟娟123

  • 基于支持向量機的發電機匝間轉子繞組短路故障診斷

    具有結構風險最小化原則的支持向量機(SVM)對于小樣本決策具有較好的學習推廣性,并且故障樣本的不足在一定程度上制約了基于知識的方法在故障診斷中的運用。針對這一問題,提出了利用支持向量機的方法對匝間轉子繞組短路故障診斷方法。該方法利用小波分析對探測線圈測得感應電動勢進行處理構造特征向量,然后輸入到支持向量機的多故障分類器中進行故障識別。實驗數據表明該方法是可行、有效的,并且在小樣本的情況下,較BP神經網絡有更好的分類效果。

    標簽: 支持向量機 發電機 匝間 轉子

    上傳時間: 2013-11-04

    上傳用戶:s363994250

  • 基于先驗知識的支持向量機在圖像分割中的應用

    文中在研究現有先驗知識與支持向量機融合的基礎上,針對置信度函數憑經驗給出的不足,提出了一種確定置信度函數方法,更好地進行分類。該方法是建立在模糊系統理論的基礎上:將樣本的緊密度信息作為先驗知識應用于支持向量機的構造中,在確定樣本的置信度時,不僅考慮了樣本到所在類中心之間的距離,還考慮樣本與類中其它樣本之間的關系,通過模糊連接度將支持向量與含噪聲樣本進行區分。文中將基于先驗知識的支持向量機應用于醫學圖像分割,以加拿大麥吉爾大學的brainWeb模擬腦部數據庫提供的不同噪聲的圖像進行實驗,實驗結果表明采用基于先驗知識的支持向量機比傳統支持向量機具有更好的抗噪性能及分類能力。

    標簽: 支持向量機 圖像分割 中的應用

    上傳時間: 2013-10-12

    上傳用戶:cmc_68289287

  • 基于支持向量機(SVM)的工業過程辨識

    將支持向量機應用到典型的時變、非線性工業過程—— 連續攪拌反應釜的辨識中, 并與BP 神經網絡建模相比較, 仿真結果表明了支持向量機的有效性與優越性. 支持向量機以其出色的學習能力為工業過程的辨識提出了一種新的途徑.

    標簽: SVM 支持向量機 工業過程 辨識

    上傳時間: 2013-10-17

    上傳用戶:zhangdebiao

  • 關于統計學習理論與支持向量機

    關于統計學習理論與支持向量機

    標簽: 支持向量機

    上傳時間: 2015-01-12

    上傳用戶:黑漆漆

  • 交互支持向量機學習算法及其應用

    交互支持向量機學習算法及其應用

    標簽: 支持向量機 學習算法

    上傳時間: 2014-01-19

    上傳用戶:qoovoop

  • 支持向量機的MATLAB工具箱

    支持向量機的MATLAB工具箱

    標簽: MATLAB 支持向量機 工具箱

    上傳時間: 2015-02-01

    上傳用戶:水中浮云

  • 支持向量機的SMO算法

    支持向量機的SMO算法

    標簽: SMO 支持向量機 算法

    上傳時間: 2013-12-25

    上傳用戶:xaijhqx

  • 支持向量機Windows Svm

    支持向量機Windows Svm

    標簽: Windows Svm 支持向量機

    上傳時間: 2015-03-08

    上傳用戶:yangbo69

  • 支持向量機程序(2)Text Windows Svm

    支持向量機程序(2)Text Windows Svm

    標簽: Windows Text Svm 支持向量機

    上傳時間: 2014-01-19

    上傳用戶:manking0408

主站蜘蛛池模板: 泰宁县| 南川市| 茶陵县| 东丽区| 天全县| 壶关县| 汉寿县| 萍乡市| 新安县| 巴林右旗| 德钦县| 楚雄市| 鄯善县| 建德市| 英吉沙县| 石门县| 南阳市| 深水埗区| 革吉县| 原平市| 莱西市| 昌邑市| 天柱县| 北海市| 会理县| 长子县| 泾川县| 绿春县| 德安县| 通城县| 南安市| 峨山| 水城县| 吉林省| 通道| 南通市| 钟祥市| 萝北县| 赣州市| 姜堰市| 峡江县|