搜索资源列表
支持向量机神经网络C++
- C++实现的支持向量机神经网络代码，欢迎各位使用-C realized SVM neural network code, welcome you use
支持向量机的SMO算法VC实现
- 支持向量机的SMO算法VC实现,在模式识别和 许多方面很有用-support vector machine algorithm VC SMO, in pattern recognition and useful in many ways
A Java implementation of SMO for training SVM
- 支持向量机的实现源代码！ java实现！采用最小序贯算法-SVM achieve source code! Java achieve! Use the smallest sequential algorithm
monqp
- 支持向量机的核心程序，运用monqp函数的求法与实现-SVM core procedures, the use monqp Function Method and Implementation
SVKERNEL
- 支持向量机的核心程序，运用monqp函数的求法与实现-SVM core procedures, the use monqp Function Method and Implementation
svmlight_multiclass
- windows操作系统下的支持向量机算法实现工具包，支持多类别分类，功能强大！-windows operating system support vector machine algorithm tool kit, support multi-category classification, powerful!
Mio
- 同样是用matlab编写的实现支持向量机的源代码-using Matlab is also prepared to achieve SVM source code
codeGcLearn
- 这是一个支持向量机的工具，可以实现分类功能-This is a support vector machine tools, can achieve a functional classification
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
classification
- 该程序包实现了几个常用的模式识别分类器算法，包括K近邻分类器KNN、线性判别方程LDF分类器、二次判别方程QDF分类器、RDA规则判别分析分类器、MQDF改进二次判别方程分类器、SVM支持向量机分类器。 主程序中还有接口调用举例，压缩包中还有两个测试数据集文件。-The package to achieve a number of commonly used pattern recognition classifier algorithms, including K neighbor class
SVM_SMO_gaoshsh
- 支持向量机(SVM)的SMO算法实现。包括matlab源代码文件、支持向量机的pdf文档，源代码word文档。-Support Vector Machine (SVM) algorithm of SMO. Including the matlab source code files, Support Vector Machines pdf documents, source code for word documents.
svmclass
- 本代码是实现支持向量机的源码，用VC++实现，如果不懂请读里面的文件说明-This code is to achieve source Support Vector Machine with VC++ Achieve, if not understand, please read the documentation inside
HSVM
- java实现的支持向量机分类，可用于教学以及交流-java realization of support vector machine classification, can be used for teaching as well as the exchange of
Wavelet_Based_Feature_Extraction_for_SVM_for_Scree
- 支持向量机在模式识别和分类中应用广泛， 小波方法的多尺度特性也众所周知。 本文将小波和支持向量机相互结合实现特征提取。-Support vector machine in pattern recognition and classification of the application of a wide range of multi-scale wavelet method is also well-known characteristics. In this paper, wavel
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
libsvm-3.22
- 台湾大学林志仁教授对SVM支持向量机的实现(Implementation of SVM support vector machine by Professor Lin Zhiren of National Taiwan University)
smo
- 支持向量机的smo算法实现，包含普通smo和优化后的smo算法(svm impletement with smo, including simple smo and optimitive smo)
支持向量机（ML in action）整理
- Python实现支持向量机的算法，拟合和分类，包括0-9数字识别(Python implements the algorithm, fitting and classification of support vector machines, including 0-9 digital recognition)
SVM-w-SMO
- 用序列最小优化算法（SMO）进行训练的支持向量机的简单实现。(simple implementation of a Support Vector Machine using the Sequential Minimal Optimization (SMO) algorithm for training.)
python
- 该代码基于Python3,利用机器学习中支持向量机回归算法（SVR）实现对数据的拟合以及预测，可以通过调试C值和gamma值达到不同的拟合程度，具有较大的实际意义，并且该代码本人亲自调式运用，适合广大学习者使用。(This code is based on Python 3. It uses support vector machine regression algorithm (SVR) in machine learning to fit and predict the data. It c