這是LibSVM2.6工具的源碼，用于SVM分類和回歸計(jì)算。
標(biāo)簽： LibSVM 2.6 源碼
上傳時(shí)間： 2013-12-17
上傳用戶：LIKE
本文介紹了一般貝葉斯框架通過(guò)稀疏來(lái)解決回歸和經(jīng)典任務(wù)中利用線性模型中參數(shù)。雖然這框架完全概括說(shuō)明了，我們對(duì)一個(gè)特定專業(yè)的做法，這個(gè)特定專業(yè)就是我們指的“相關(guān)向量機(jī)（ RVM ）” 一個(gè)模型以相同的函數(shù)模型功能流行和最先進(jìn)的“支持向量機(jī)”（ SVM） 。我們論證了利用概率貝葉斯學(xué)習(xí)的構(gòu)造，我們可以得出準(zhǔn)確的預(yù)測(cè)模式，這個(gè)模型相比SVM大幅減少了使用基底函數(shù)，同時(shí)提供了一些其他優(yōu)點(diǎn)。這些優(yōu)點(diǎn)包括在效益指標(biāo)的概率預(yù)測(cè)，自動(dòng)估算“nuisance”參數(shù)，并利用該設(shè)施任意基函數(shù)（如：非`Mercer 的內(nèi)核）
標(biāo)簽： 貝葉斯 稀疏 回歸 參數(shù)
上傳時(shí)間： 2014-01-02
上傳用戶：dancnc
超球面支持向量機(jī)，一種構(gòu)建超球面來(lái)進(jìn)行分類的單類SVM
標(biāo)簽： 支持向量機(jī)
上傳用戶：xhz1993
網(wǎng)頁(yè)分類器，基于SVM方法，c++開(kāi)發(fā)。
標(biāo)簽： 頁(yè) 分類器
上傳時(shí)間： 2017-04-23
上傳用戶：sjyy1001
包含了很多分類算法，有SVM，knn，決策樹(shù)等，還有文檔說(shuō)明
標(biāo)簽： 分類算法
上傳時(shí)間： 2014-01-15
上傳用戶：kiklkook
文本分類算法很多，神經(jīng)網(wǎng)絡(luò)算法遺傳算法可以用，本算法采用支持向量機(jī)SVM來(lái)實(shí)現(xiàn)
標(biāo)簽： 文本分類 算法
上傳時(shí)間： 2013-12-22
上傳用戶：sclyutian
支持向量機(jī)方面的，是Steve R Runn的SVM工具箱的說(shuō)明文件，呵呵
標(biāo)簽： 支持向量機(jī) 方面
上傳時(shí)間： 2013-12-19
上傳用戶：pinksun9
這是表達(dá)支持向量機(jī)一個(gè)demo，可以幫助更好的理解SVM
標(biāo)簽： demo 支持向量機(jī)
上傳時(shí)間： 2013-11-27
上傳用戶：libenshu01
支持向量機(jī)工具箱使用方法演示，講述如何使用SVM的工具箱。
標(biāo)簽： 支持向量機(jī) 工具箱
上傳時(shí)間： 2017-06-18
上傳用戶：WMC_geophy
跟類神經(jīng)網(wǎng)路有點(diǎn)像的東西， 不過(guò)現(xiàn)今最常拿來(lái)就是做分類也就是說(shuō)，如果我有一堆已經(jīng)分好類的東西 （可是分類的依據(jù)是未知的！） ，那當(dāng)收到新的東西時(shí)， SVM 可以預(yù)測(cè) (predict) 新的資料要分到哪一堆去。
標(biāo)簽：
上傳時(shí)間： 2014-01-18
上傳用戶：hasan2015
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
