搜索资源列表
libsvm-2.89
- LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、 易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、 n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ） 等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可 以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概 率估计等.
SVM_lzb1p0
- svm（支持向量机）能进行分类。有不同的核函数，如线性，多项式等-svm (support vector machine) can be classified. There are different kernel functions, such as linear, polynomial, etc.
libsvm_src_2.6NOTE
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
Classification_LS_SVMlab4cv1
- 最小支持向量机中BRF核函数来解决实际分类问题-BRF minimum support vector machine classification of kernel function to solve real problems
libsvm-mat-2[1].9-11
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件还有一个特点，就是对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数就可以解决很多问题；并且提供了交互检验(Cross Validation)的功能。该软件包可以在http://www.csie.ntu.edu.tw/~c
SVM
- 用matlab的核函数对钓鱼岛实现分类（模式识别作业）-Kernel function using matlab realize the Diaoyu Islands classification (pattern recognition operations)
kernel-Function
- 利用核函数进行遥感图像的分类，本程序再支持向量机的基础上引入了核函数进行图像分类，是分类效果更加明显-Use of nuclear function remote sensing image classification, the program no longer support vector machine based on the introduction of the kernel function for image classification, classification eff
libsvm-3.18
- 使用支持向量机对数据进行非线性分类，通过修改核函数径向基函数的参数来做模型-Using support vector machine (SVM) to nonlinear classification of data, by modifying the parameter of kernel function of radial basis function model
libsvm-mat-2.91-1
- 支持向量机中一个工具箱，支持二分类，四种不同的核函数-SVM a toolbox supports two classification, four different kernel functions
static_SVM_line_mean_var
- MATLAB代码，利用支持向量机SVM，核函数为线性核函数并进行参数寻优对数据进行分类-MATLAB code, the use of support vector machine SVM, kernel function is linear kernel parameter optimization and data classification
svm
- 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等； 2．熟悉基于libSVM二分类的一般流程与方法；-1. Master support vector machine (SVM) principles, and the type of kernel function kernel parameter selection principles 2. Familiar with the process-based approach libSVM two classifi
simple-mkl-python-master
- 多特征融合的分类方法,主要实现多核函数的分类归纳从而比较单核函数下特征描述不足(The classification method of multiple feature fusion mainly realizes the classification and induction of multi kernel functions, thus comparing the feature descr iption of single kernel function)
程序
- 以稀疏子空间聚类以及低秩子空间聚类等基本谱聚类算法为基础，通过 运用核映射算法，融合与数据本身结构相关的局部切线空间函数以及主成分分析 算法建立了可以应对独立子空间聚类、非独立子空间聚类、非线性聚类、混合多 流体聚类问题以及多种含有大数据量的实际问题，包括处理运动分割、人脸识别、 工件识别等情况中的多种类型数据分类的聚类算法，并且引入 Map-Reduce 并行处 理方法优化了算法的计算效率(Based on the basic spectral clustering algorith