搜索资源列表
@polynomial
- VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,SVM文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得出的结论跟实验结果相符.
handbook_of_matlab
- MATLAB已成为多学科、多种工作平台的功能强大、界面友好、语言自然并且开放性强的大型应用软件，目前的最高版本是6.0版。本教程以6.0版为基础，从高等工科院校的数学课程出发，提供了使用MATLAB的实践性指导。本教程以教学的手段，系统详细地介绍了MATLAB在高等数学、数值分析、函数作图、线性代数、概率统计和优化理论中的应用，并配备了大量的例题，让读者能很快掌握MATLAB的运算技巧。 本教程按逻辑编排，自始至终用实例描述，既适用于初学者自学，也适用于高级MATLAB用户。可作为高等数学、
SVM
- 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力[14]（或称泛化能力）。 -SVM is based on statistical learning theory and the theory of VC dimension based on structural risk minimization pr
SVM_Short-term-Load-Forecasting
- 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，
libsvm
- 支持向量机以统计学习理论作为坚实的理论依据，借助优化方法解决及其学习的一种新工 具.近年来，支持向量机受到人们的广泛关注，在理论研究和算法实现方面都有了很大的突 破，成为现代机器学习的热点课题.-Support vector machine(SVM)is a new approach that can solve machine learning problem with optimization methods. In recent years,there has been a s
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
we798236
- 内容简介： MATLAB已成为多学科、多种工作平台的功能强大、界面友好、语言自然并且开放性强的大型应用软件，目前的最高版本是6.0版。本教程以6.0版为基础，从高等工科院校的数学课程出发，提供了使用MATLAB的实践性指导。本教程以教学的手段，系统详细地介绍了MATLAB在高等数学、数值分析、函数作图、线性代数、概率统计和优化理论中的应用，并配备了大量的例题，让读者能很快掌握MATLAB的运算技巧。 本教程按逻辑编排，自始至终用实例描述，既适用于初学者自学，也适用于高级MAT
LS-SVMlab1.5
- LMS 优化支持向量机 支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以求获得最好的推广能力 。-LMS Support Vector Machine optimization SVM method is based on the VC dimension theory and structural risk minimization prin
ictqciij
- 对HARQ系统的吞吐量分析，欢迎大家下载学习，D-S证据理论数据融合，结合PCA的尺度不变特征变换(SIFT)算法，可以广泛的应用于数据预测及数据分析,主要为数据分析和统计。- HARQ throughput analysis of the system, Welcome to download the study, D-S evidence theory data fusion, Combined with PCA scale invariant feature transform (SIFT
nveizqfq
- 主要为数据分析和统计，解耦，恢复原信号，使用高阶累积量对MPSK信号进行调制识别，与理论分析结果相比，BP神经网络用于函数拟合与模式识别，使用起来非常方便，是机器学习的例程。- Mainly for data analysis and statistics, Decoupling, restore the original signal, Using high-order cumulants of MPSK signal modulation recognition, Compared with
dsrpcntg
- D-S证据理论数据融合，包括回归分析和概率统计，是国外的成品模型，是学习PCA特征提取的很好的学习资料，到达过程是的泊松过程，实现了对10个数字音的识别，最大似然（ML）准则和最大后验概率（MAP）准则。- D-S evidence theory data fusion, Including regression analysis and probability and statistics, Foreign model is finished, Is a good learning mater
nnv
- 包括回归分析和概率统计，FIR 底通和带通滤波器和IIR 底通和带通滤波器，包括最小二乘法、SVM、神经网络、1_k近邻法,D-S证据理论数据融合，保证准确无误，是学习通信的好帮手，关于神经网络控制，FMCW调频连续波雷达的测距测角。- Including regression analysis and probability and statistics, Bottom-pass and band-pass FIR and IIR filter bottom pass and band-pas
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机的提出有很深的理论背景。 支持向量机方法是在后来提出的