搜索资源列表
libsvm-weight-2.81
- 一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题：该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样本进行训练,获得回归分类器,希望对大家有用!
Fsvm_Regression
- 该文研究了当训练点的输出为三角模糊数时!支持向量回归机的构建问题’ 首先将模糊回归问题转化为模糊分 类问题!并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题’ 利用基于模糊模拟的遗传算法 求解带有模糊决策的机会约束规划!得到模糊最优分类超平面&模糊方程$!解模糊方程得到模糊回归函数’ 在此基础上! 得出模糊线性支持向量回归机&算法$’ 从而较好地解决了支持向量机中含有模糊信息的模糊回归问题’ 最后!给出显示 模糊线性支持向量回归机特点的模糊支持向量集的定义’
libsvm-2.85-dense
- LIBSVM源码。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_SteveGunn.rar 支持向量机的程序
- 支持向量机的程序，可以进行分类和回归，效果比神经网络好，没有维数灾难的问题，是比较好的建模方法。,Support vector machine procedures can be carried out the classification and regression, the effect better than the neural network, there is no dimension disaster problem, it is more good modeling metho
libsvm_setup
- 这是台湾大学林智仁(Lin Chih-Jen)副教授等人开发的SVM模式识别与回归的软件包，该软件可以解决C-SVM分类、-SVM分类、-SVM回归和-SVM回归等问题，包括基于一对一算法的多类模式识别问题。-This is the National Taiwan University, Lin Zhiren (Lin Chih-Jen), associate professor, who developed SVM pattern recognition and regression of t
LS-SVMlab1.5
- 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-SVM software package can solve the classification problems (including the C-SVC, n- SVC), regression (including e- SVR, n- SVR) as well as the distribution of estim
svm
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科-Support vector machine
111
- 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。
PS0-SVR
- ：针对发酵过程中生物参数难以实时在线测量的问题，建立了用于生物参数状态预估的 支持向量机软测量模型。考虑到该支持向量回归(SVR)模型的复杂性和冷化特征取决于其三 个参数 ，c， 能否取到最优值，采用粒子群优化(PSO)算法实现对参数 ，c， 的同时寻优。在 此基础上，以饲料用 ．甘露聚糖酶为对象，建立了基于PSO—SVR的发酵过程产物浓度状态预估 模型。发酵罐控制结果表明：该模型具有很好的学习精度和泛化能力，可实现对 ．甘露聚糖酶 产物浓度的实时在线预估。-In
ReviewofSVM-basedControlandOnlineTrainingAlgorithm
- 支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能 控制的研究，主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方 面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研 究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练，因此出现了对SVMR 在线训练算法的研究。分析了国内外这些研究内容的最新研究进展，旨在探讨归纳支持向量机在控 制领域研究的主要成果和存在的问题，以便为进一步的研
IRWLS_for_SVM
- 一篇很难找的SVM计算文章，用IRWLS迭代计算SVM的线性回归问题-an IRWLS procedure for SVM
nn
- 神经网络处理回归问题采用非批处理算法能够处理各种回归问题用c语言和矩阵运算解决回归问题-Neural network processing regression problems using non-batch algorithm to be able to handle all kinds of regression problems to solve regression problems with c language and matrix operations
bsvm-2.08
- BSVM解决了支持向量机（SVM），用于解决大型分类和回归问题。 它包括以下方法 一个对一个使用约束约束公式的多类分类 通过解决单一优化问题（再次，有界公式）进行多类分类。 参见我们比较文件的第3节。 使用Crammer和Singer的配方进行多级分类。 参见我们的比较文章第4节。 使用约束约束公式的回归-BSVM solves support vector machines (SVM) for the solution of large classification and r
ELM_MultiOutputRegression
- 黄广斌官网下载,多输出回归问题的程序，可做参考(extrem learnig machine multiouptut regression)
nn_classification
- 使用单隐层神经网络进行二分类 使用python语言，先生成一个数据集，无法（但尝试）用logistic回归对数据集进行二分类，最后使用单隐层神经网络对数据集进行分类(classify a dataset with a 3-dimensional hidden layer)
Ch09_ReTree
- 回归树、模型树、梯度提升树的算法实现，适用于人工智能、机器学习中的回归问题(The algorithm implementation of regression tree, model tree and gradient lifting tree is suitable for artificial intelligence and machine learning.)
bayesian_regression
- 贝叶斯回归是一个很好的回归模型。相对与其他模型，贝叶斯回归可以避免因为模型过简单或者过复杂而产生的拟合不足和过拟合的问题。(Bayesian Regression is a good regression model. Compared with other models, Bayesian Regression can avoid the problems of Under-fitting and Over-fitting resulting from the simple or too co
深度学习.pdf
- 深度学习-MIT资料 里面介绍了很多深度学习的知识从最简单的回归问题到最深刻的神经网络深入浅出(Deep learning -MIT information introduces a lot of deep learning knowledge from the simplest regression to the deepest neural network.)
logisitc regression
- 利用逻辑回归原理算法实现经典的鸢尾花分类问题(Using logistic regression algorithm to realize classical iris classification problem)
经典回归（LR）算法
- 经典的回归算法，可以解决大多数的的简单分类问题，速度快，代码规范。