搜索资源列表
svm
- svm程序代码，用于模式识别和分类，也可用于图像特征。-svm code for pattern recognition and classification can also be used to image features.
LS-SVMlab15aw.rar
- 这是一个很好的支持向量机的工具包，有回归、分类、寻优等功能。,This is a very good tool for support vector machine package, there is regression, classification, finding excellent features.
MovingLeast-SquaresMLS
- 建立了一种基于移动最小二乘(Moving Least-Squares MLS)法的曲线曲 面拟合方法 这种方法对传统的最小二乘(LS)法的作了比较大的改进 使生成的曲线曲面具 有精度高 光滑性好等许多优点 详细介绍了移动最小二乘法的原理 应用和特点 并且给 出了使用移动最小二乘法进行曲线曲面拟合的程序设计流程 最后给出了曲线拟合和空间散 乱数据曲面拟合算例 将拟合结果与最小二乘拟合结果作了比较 分析了 MLS 拟合曲线曲 面的光滑性和拟合质量 表明了该方法的优越性和有效性-W
LS-SVM
- 主要叙述在matlab环境下熟悉对svm的操作以及svm的主要特性包括分类和回归-The main narrative in the matlab environment familiar with the operation of the SVM and the main features include SVM classification and regression
svml_v092
- SVM,很好用的用于模式识别中特征分类的咚咚。-SVM, a good use for pattern recognition features of the classification of咚咚.
libsvm-2.89
- 是一種線性方成的分類器。SVM透過統計的方式將雜亂的資料以NN的方式分成兩類，以便處理。LIBLINEAR is a linear classifier for data with millions of instances and features. It supports L2-regularized logistic regression (LR), L2-loss linear SVM, and L1-loss linear SVM. -Main features of LIBLINEA
haar_wavelet_v4
- Haar-like features with SVM classification
svm-phasestateofcloudclassificationalgorithmsource
- 利用支持向量机的分类特性，结合modis的云图像，对云相态进行分类，利用svm云相态分类算法源代码-The use of support vector machine classification of features, combined with clouds modis images of the cloud phase state classification using svm-phase state of cloud classification algorithm source c
cuSVMVCcode
- 基于GPU计算的SVM，VC++源码，包括详细文档说明文件。借用了GPU编程的优势，该代码据作者说比常规的libsvm等算法包的训练速度快13-73倍，预测速度快22-172倍。希望对大家有用-cuSVM is a software package for high-speed (Gaussian-kernelized) Support Vector Machine training and prediction that exploits the massively parallel proc
2DLDAwiththeSVM-basedfacerecognitionalgorithm
- 二维线性鉴别分析(2DLDA)算法能有效解决线性鉴别分析(LDA)算法的“小样本”效应，支持向量机 (SVM)具有结构风险最小化的特点，将两者结合起来用于人脸识别。首先，利用小波变换获取人脸图像的低频分量，忽 略高频分量：然后，用2DLDA算法提取人脸图像低频分量的线性鉴别特征，用“一对多”的SVM 多类分类算法完成人脸 识别。基于ORL人脸数据库和Yale人脸数据库的实验结果验证了2DLDA+SVM算法应用于人脸识别的有效性。-”Small sample size”problem
SVMhybridsystem
- A distributed PSOSVM hybrid system with feature selection and parameter optimization -Abstract This study proposed a novel PSO–SVM model that hybridized the particle swarm optimization (PSO) and support vector machines (SVM) to improve the clas
10
- OCR, Unicode, Features, Support Vector Machine (SVM), Artificial Neural Networks
svm
- 很实用的一款svm工具箱，内包括很多的功能，且有详细的说明解释。 -A very useful svm toolbox includes many features, and a detailed descr iption of explanation.
K-Fold_CV_Tool
- MATLAB cross-validation tool for classification and regression v0.1 FEATURES: + K-fold cross validation. + Arbitrary train and prediction functions with parameters can be used. + Arbitrary loss function can be used. + Wrappers for
CODE
- 1.GeometricContext文件是完成图片中几何方向目标分类。 参考文献《Automatic Photo Pop-up》Hoiem 2005 2 GrabCut文件是完成图像中目标交互式分割 参考文献《“GrabCut” — Interactive Foreground Extraction using Iterated Graph Cuts》 C. Rother 2004 3 HOG文件是自己编写的根据HOG特征检测行人的matlab代码 4 虹膜识别程序
Character-Recognition(Lib-SVM)
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。- Support
Steganalysis-Based-on-dctdwt-space
- 基于SVM分类器的三域特征融合图像隐写分析算法。三域分别是指dct域，dwt域和空域。-A Steganalysis Based on the Fusion of Three-domain Features of Image and SVM (Support Vector Machines) Classifier.the three domain is the dct,the dwt and the space
svm
- 这是一个svm分类器的设计，有很好的效果，可以输入几个分类特征进行分类-This is a svm classifier design, with very good results, you can enter several categories to classify features
SVM-RFE-CBR-v1.3
- 在生物信息学中，SVM-RFE是一个强大的特征选择算法。这是一个不错的选择以避免过度拟合特性高的数量。-SVM-RFE is a powerful feature selection algorithm in bioinformatics. It is a good choice to avoid overfitting when the number of features is high.
基于PCA和SVM的人脸识别系统
- 先通过图像处理提取人脸的各个特征，然后对人脸通过PCA进行降维，然后通过SVM进行人脸识别(Firstly, the features of human face are extracted by image processing, then the dimension of human face is reduced by PCA, and then the face is recognized by SVM)