搜索资源列表
SVM_FACE
- 基于支持向量机的人脸检测训练集增强算法实现。根据支持向量机(support vector machine，简称SVM)~ ，对基于边界的分类算"~(geometric approach)~ 言，类别边界附近的样本通常比其他样本包含有更多的分类信息．基于这一基本思路，以人脸检测问题为例．探讨了 对给定训练样本集进行边界增强的问题，并为此而提出了一种基于支持向量机和改进的非线性精简集算法 IRS(improved reduced set)的训练集边界样本增强算法，用以扩大-91l练集并改
Classifying_Video_with_Kernel_Dynamic_Textures_CVP
- 顶级会议CVPR上发表的基于动态纹理的视频分类的论文，提出了基于核函数的方法，具有很高的参考价值。-Published in top-level meeting CVPR video classification based on dynamic texture paper, presented a method based on kernel function, has high reference value.
SVM-img-process
- 讲了支持向量机关于分类的方法，利用不同的核函数进行分类。-Talking about the method of support vector machine classification, using different kernel function classification
medical-image-process
- 讲了支持向量机关于分类的方法，利用不同的核函数进行分类。-Talking about the method of support vector machine classification, using different kernel function classification
Matlab_SVM
- SVM实现数据分类，可自行选取核函数，用于图像分割操作。程序可自动训练分类平面。-SVM for data classification, are free to select the kernel function，For image segmentation operation. The program can automatically train classifiers plane.
SVMmatlab865703589
- 用MATLAB编写的支持向量机，实现了线性可分与线性不可分的情况，还有非线性支持向量机，里面部分常用的核函数，从而达到精确的分类效果。-Prepared using MATLAB support vector machine, linearly separable points with linear, non-linear support vector machine, the inside part of the kernel function, so as to achieve the a
fisher
- 实现基于核函数的Fisher分类器的算法-Fisher classification algorithm based on kernel function
kernels
- 根据模式识别理论，低维空间线性不可分的模式通过非线性映射到高维特征空间则可能实现线性可分，但是如果直接采用这种技术在高维空间进行分类或回归，则存在确定非线性映射函数的形式和参数、特征空间维数等问题，而最大的障碍则是在高维特征空间运算时存在的“维数灾难”。采用核函数技术可以有效地解决这样问题。 -According to the pattern recognition theory, a low dimensional space linearly inseparable pattern th
svm
- SVM平台，操作简单、易于使用的通用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。-SVM platform is a simple, easy to use, versatile SVM software package can solve classification problems (including
SVM-reviewed
- 支持向量机方法中也存在着一些亟待解决的问题，主要包括：如何用支持向量机更有效的解决多类分类问题，如何解决支持向量机二次规划过程中存在的瓶颈问题、如何确定核函数以及最优的核参数以保证算法的有效性等。-Support vector machine (SVM) method also exist some problems to be solved, mainly includes: how to use support vector machine (SVM) is more effective t
pso_1
- 粒子群优化寻找最适合的核函数和惩罚因子，为了更好的进行故障分类判断-Particle swarm optimization to find the most suitable kernel function and penalty factor, in order to judge the fault classification
SVM
- 支持向量机SVM和核函数的MATLAB程序集,用于图形处理的算法，分类算法-pca and svm use MATLAB
svm
- svm算法，针对高光谱图像分类（高维），里边有核函数，检查函数，训练函数-Space Resection
SVM
- 包含完整的SVM算法，下载即可使用。其中包括数据集和完整的算法结构，算法结构包括数据清理、核函数升维以及SMO优化算法，可以较好实现数据非线性分类。(Contains the complete SVM algorithm and download it for use. Including the data set and the complete algorithm structure, the algorithm structure includes data cleaning, kerne