搜索资源列表
SVMmatlab
- 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。
pso2
- 借助胞腔, 并利用遗传算法能够最终收敛于非线性多峰函数全局最优解的特点, 动态 地剖分和排除胞腔, 从而构成一种新型遗传算法——胞腔排除遗传算法, 利用该算法可求取非 线性多峰函数全部全局最优解。仿真实验表明该算法合理、有效。-With cell cavity, and the use of genetic algorithms will eventually converge to the nonlinear multimodal function global optimum cha
SVM
- SVM核心思想是:对于输入空间中非线性可分的情形,选择一个适当的非线性映射,将输入空间中的样本点映射到一个高维空间,然后通过一系列核函数、参数因子的选择得到最优分界面。-SVM core idea is: For the non-linear input space can be divided into the case, select an appropriate nonlinear mapping the input space sample point is mapped to a hi
SVM_MATLABdaima
- SVM算法 SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能-SVM algorithm
SVM
- SVM方法是通过一个非线性映射p，把样本空间映射到一个高维乃至无穷维的特征空间中(Hilbert空间)，使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题．这是一本介绍SVM方法的应为资料-SVM method is a non-linear mapping p, the sample space is mapped into a high-dimensional and even infinite dimensional feature space (Hilbert sp
Support-Vector-Machine
- SVM主要是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。-SVM is mainly for the analysis of linear separable cases. Linearly indivisible cases are transformed into high dimensional feature spaces lin
gijqc
- 可直接计算得到多重分形谱,给出接收信号眼图及系统仿真误码率，关于非线性离散系统辨识。- It can be directly calculated multi-fractal spectrum, The received signal is given eye and BER simulation systems, Nonlinear discrete system identification.