這里實(shí)現(xiàn)了基于四種SVM工具箱的分類與回歸算法: 1、工具箱：LS_SVMlab Classification_LS_SVMlab.m - 多類分類 Regression_LS_SVMlab.m - 函數(shù)擬合 2、工具箱：OSU_SVM3.00 Classification_OSU_SVM.m - 多類分類 3、工具箱：stprtool\svm Classification_stprtool.m - 多類分類 4、工具箱：SVM_SteveGunn Classification_SVM_SteveGunn.m - 二類分類 Regression_SVM_SteveGunn.m - 函數(shù)擬合 更詳細(xì)的相關(guān)函數(shù)說明請通過help命令查看！
標(biāo)簽： Classification_LS_SVMlab Regression_LS_SVMlab LS_SVMlab SVM
上傳時(shí)間： 2016-03-03
上傳用戶：jkhjkh1982
This template file is used to completely describe a system in a generalized ％ state space format useable by the ReBEL inference and estimation system. ％ This file must be copied, renamed and adapted to your specific problem. The ％ interface to each function should NOT BE CHANGED however.
標(biāo)簽： generalized completely template describe
上傳時(shí)間： 2014-01-10
上傳用戶：hustfanenze
UNDERSTANDING THE NEW U.S. NATIONAL SPACE POLICY，John M. Logsdon Director, Space Policy Institute Elliott School of International Affairs The George Washington University Washington, DC, USA
標(biāo)簽： U.S. UNDERSTANDING NATIONAL POLICY
上傳時(shí)間： 2014-12-20
上傳用戶：蟲蟲蟲蟲蟲蟲
THE UNITED STATES AND HUMAN SPACE EXPLORATION，John M. Logsdon Director, Space Policy Institute Elliott School of International Affairs The George Washington University Washington, DC, USA 在北大的講座資料
標(biāo)簽： EXPLORATION STATES UNITED HUMAN
上傳時(shí)間： 2016-03-06
上傳用戶：zycidjl
svm 多類分類 輸入多種色點(diǎn)，能夠準(zhǔn)確的按顏色分類 C#語言描述
上傳時(shí)間： 2014-01-12
上傳用戶：silenthink
這是一個(gè)講解機(jī)器學(xué)習(xí)與SVM的課件，講的深入淺出，非常不錯(cuò)。
標(biāo)簽： SVM 機(jī)器學(xué)習(xí)
上傳時(shí)間： 2014-01-26
上傳用戶：hj_18
hostapd - user space IEEE 802.11 AP and IEEE 802.1X/WPA/WPA2/EAP Authenticator and RADIUS authentication server
標(biāo)簽： IEEE Authenticator and WPA
上傳時(shí)間： 2014-01-06
上傳用戶：450976175
SVM算法，JAVA 神經(jīng)網(wǎng)絡(luò) 自己寫的，多多指教
上傳時(shí)間： 2013-12-25
上傳用戶：hfmm633
svm算法介紹
上傳時(shí)間： 2013-12-09
上傳用戶：dancnc
針對SVM法線特征篩選算法僅考慮法線對特征篩選的貢獻(xiàn),而忽略了特征分布對特征篩選的貢獻(xiàn)的不足,在對SVM法線算法進(jìn)行分析的基礎(chǔ)上,基于特征在正、負(fù)例中出現(xiàn)概率的不同提出了加權(quán)SVM法線算法,該算法考慮到了法線和特征的分布.通過試驗(yàn)可以看出,在使用較小的特征空間時(shí),與SVM法線算法和信息增益算法相比,加權(quán)SVM法線算法具有更好的特征篩選性能.
上傳時(shí)間： 2016-03-19
上傳用戶：wyc199288
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
