搜索资源列表
SVM(matlab)
- 支持向量机(SVM)实现的分类算法源码[matlab] -Support Vector Machine (SVM), a classification algorithm source code [Matlab]
svm
- 用支持向量机实现人脸的识别，虽然效果不是很好，不过也可和大家一起分享一下
支持向量机的matlab实现
- 支持向量机的matlab实现，各位可以试试一试。在图像处理和人脸识别上效果还可以-Matlab support vector machine implementation, you can try try. In image processing and recognition of the effect can also be
SVMmatlab
- 具有非线性回归功能的支持向量机算法。可有效实现目标特征进行训练和识别。-Nonlinear regression functions with support vector machine algorithm. Features can effectively achieve its objectives of training and recognition.
SvmsourcecodewrittenwithMATLAB
- 用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取。-Svm source code written with MATLAB, you can achieve the support vector machine for classification or feature extraction.
libsvm-mat-2.89-3
- 支持向量机的分类，能够很好的实现类别的分类等。含有c，jave，c++等语言的接口-The classification of support vector machine (SVM) is quite well, and can realize the category of classification, etc. Contains c, jave, c++ language such as the interface
SVM-and--Face-Recognition
- 支持向量机及其在人脸识别中的应用研究 上海交通大学博士论文，在知网上面付费下载得到的。本文从应用的角度出发，较为全面地对一些相关问题进行探讨，并使用Visual C++实现了一个基于支持向量机的人脸识别软件—idTeller。 论文的主要工作和创新点包括： ·提出了两种基于VC边界的支持向量机参数选择算法—固定C算法和VC-CV算法。VC边界是两类支持向量机参数选择的一个理想准则，但它的一些固有缺点使其应用变得困难。本文通过将VC边界转化为VC指标，最终把问题归结为对最小包围体的求解，从理论
ocr
- 用支持向量机SVM实现对手写数字的特征提取与识别，其中数字是一笔写成。-Using support vector machine (SVM) to realize SVM opponent write digital feature extraction and recognition, including digital is a written.
c-svm
- 用c语言实现支持向量机的算法，内容很好的，真的-C language support vector machine algorithm, good content, really
svm-toolbox
- matlab 支持向量机工具箱可以实现输入数据并对数据按指定的寻优方式和核函数计算出数据分类决策函数。-matlab SVM toolbox for data classification
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
MAERJIANCE
- 场景图像中文本占据的范围一般都较小，图像中存在着大范围的非文本区域。因此，场景图像文本定位作为一个独立步骤越来越受到重视。这包括从最先的CD和杂志封面文本定位到智能交通系统中的车牌定位、视频中的字幕提取，再到限制条件少，复杂背景下的场景文本定位。与此同时文本定位算法的鲁棒性越来越高，适用的范围也越来越广泛。文本定位的方式一般可以分为三种，基于连通域的、基于学习的和两者结合的方式。基于连通域的流程一般是首先提取候选文本区域，然后采用先验信息滤除部分非文本区域，最后根据候选文本字符间的关系构造文本
svm_demo
- SVM（支持向量机）常被用于二元分类问题中。此文件包含svm_predict、svm_train、svm_scale等源文件和若干训练文件，可以在VS中实现SVM的基本分类功能。(Support vector machine is often used in two elements classification problem. This file contains svm_predict, svm_scale, svm_train and other source files, and a
svmtutorial
- 支持向量机模式识别教程 教程首先介绍了VC维和结构风险最小化的概念。然后，我们描述线性可支持向量机（SVM）的可分离和不可分离的数据，通过一个不平凡的例子详细。我们描述了一个机械类比，并讨论当SVM解决方案是唯一的，当它们是全球性的。我们描述了如何实现支持向量机训练，并详细讨论了用于构造数据非线性的SVM解决方案的核心映射技术。(A Tutorial on Support Vector Machines for Pattern Recognition)
svm支持向量机图像分类
- 通过支持向量机机器学习算法，实现对不同状态图像的分类，是非常好的方法。
支持向量机算法可视化实现
- 项目文件分为src和data两部分，src文件夹下存放源码，data文件夹下存放样本数据和生成的结果文件。 项目中含有RBF SVM分类算法，可视化界面上分别有对应算法的训练和结果展示按钮，通过按钮可以触发模型训练和可视化效果呈现。 项目运行过程中，会有一些日志打印出来。 详见内部说明文档