新神經網絡 Extreme Learning Machine 比Svm快，附4個例子
標簽： Learning Extreme Machine Svm
上傳時間： 2013-12-27
上傳用戶：水中浮云
這里實現了基于四種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 - 函數擬合 更詳細的相關函數說明請通過help命令查看！
標簽： Classification_LS_Svmlab Regression_LS_Svmlab LS_Svmlab Svm
上傳時間： 2016-03-03
上傳用戶：jkhjkh1982
Svm 多類分類 輸入多種色點，能夠準確的按顏色分類 C#語言描述
標簽： Svm 分類 輸入
上傳時間： 2014-01-12
上傳用戶：silenthink
這是一個講解機器學習與Svm的課件，講的深入淺出，非常不錯。
標簽： Svm 機器學習
上傳時間： 2014-01-26
上傳用戶：hj_18
Svm算法，JAVA 神經網絡 自己寫的，多多指教
標簽： Svm 算法
上傳時間： 2013-12-25
上傳用戶：hfmm633
Svm算法介紹
上傳時間： 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,而忽略了特征分布對特征篩選的貢獻的不足,在對Svm法線算法進行分析的基礎上,基于特征在正、負例中出現概率的不同提出了加權Svm法線算法,該算法考慮到了法線和特征的分布.通過試驗可以看出,在使用較小的特征空間時,與Svm法線算法和信息增益算法相比,加權Svm法線算法具有更好的特征篩選性能.
標簽： Svm 特征 算法 篩選
上傳時間： 2016-03-19
上傳用戶：wyc199288
VC維理論和結構風險最小化準則是統計學習理論中的重要內容,基于這一理論的支持向量機算法由于具有好的泛化性能受到重視,并被研究用于文本分類問題.基于多項式核的研究工作認為Svm的泛化能力不受多項式階數的影響,并且能夠處理很高維的分類問題,用于文本分類無需進行特征選擇.研究發現,隨著多項式核階數的升高,Svm文本分類器會出現過學習現象,并且特征數越多越明顯,特征選擇是必需的.通過估計函數集的VC維,基于結構風險最小化理論對此問題進行分析,得出的結論跟實驗結果相符.
標簽： Svm 多項式 風險 準則
上傳時間： 2013-12-01
上傳用戶：c12228
因其核函數的良好性態,RBF核Svm(RBF-Svm)在實際應用中表現出良好的學習性能,但是RBF核函數中的參數對Svm的性能起決定性作用.闡述了RBF-Svm的性能隨著變化而變化的規律,并將RBF-Svm引入自動羽絨識別系統中.根據自動羽絨識別系統的實際需求和RBF-Svm的性能變化規律,論述了本系統中參數的選取依據和選取過程,并且給出了的相關曲線變化圖.通過研究,最后得到適合本系統的識別模型,從而提高了系統的總體識別率.同時,也驗證了RBF-Svm的良好特性和其受參數的約束規律.
標簽： RBF-Svm RBF Svm 性能
上傳用戶：zhengzg
Svm(支持向量機)是著名的文本分類算法。libSvm是其中的一種實現的最新版本，完全開源。linux環境。
標簽： libSvm Svm 支持向量機 文本分類
上傳時間： 2016-03-21
上傳用戶：zaizaibang
蟲蟲下載站版權所有 京ICP備2021023401號-1
