搜索结果
找到约 566 项符合
svm 的查询结果
按分类筛选
- 全部分类
- 人工智能/神经网络 (182)
- 技术资料 (78)
- matlab例程 (78)
- 其他 (29)
- 其他书籍 (27)
- 数值算法/人工智能 (22)
- 数学计算 (17)
- 文章/文档 (15)
- 多国语言处理 (14)
- 源码 (10)
- 电子书籍 (9)
- Java编程 (7)
- 系统设计方案 (6)
- 汇编语言 (5)
- 数据结构 (5)
- VC书籍 (5)
- 书籍源码 (4)
- 模拟电子 (4)
- 压缩解压 (4)
- 文件格式 (4)
- Linux/Unix编程 (3)
- 技术管理 (3)
- 中间件编程 (3)
- 软件 (2)
- 论文 (2)
- 学术论文 (2)
- 数据库系统 (2)
- 软件设计/软件工程 (2)
- 行业发展研究 (2)
- 书籍 (1)
- C/C++语言编程 (1)
- 仿真技术 (1)
- 图形图像 (1)
- 其他文档 (1)
- 技术书籍 (1)
- 软件工程 (1)
- 测试测量 (1)
- 实用工具 (1)
- Matlab (1)
- 工控技术 (1)
- 图形图像 (1)
- 通讯编程文档 (1)
- 嵌入式/单片机编程 (1)
- 单片机开发 (1)
- 嵌入式Linux (1)
- Delphi控件源码 (1)
- 其他行业 (1)
- 生物技术 (1)
- 并行计算 (1)
人工智能/神经网络 一篇关于SCM的综述性文章
一篇关于SCM的综述性文章，SCM是一种比SVM分类性能更优秀的分类器。以后还会上传几篇有关SCM的文章
模拟电子 三电平变换器STATCOM空间矢量调制
This paper presents a space vector modulation(SVM)-based switching strategy for a three-level neutral point clamped (NPC) converter that is adapted as a STATCOM.
人工智能/神经网络 SMO 源程序基于libsvm
SMO 源程序基于libsvm，开发的支持向量机图形界面应用程序，并提供了关于C和sigma的新的参数选择方法，使得SVM的使用更加简单直观
技术资料 模式识别中，多标签标记中的经典代码，主要用于场景分类
模式识别中，多标签标记中的经典代码，主要用于场景分类，目标识别，结合svm和boost算法对自然场景进行分类，真的很不错，看看吧
matlab例程 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
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 ...
人工智能/神经网络 一个包含丰富内容的流形学习算法工具包
一个包含丰富内容的流形学习算法工具包，有图形示例文件demo.fig，包括laplacian特征映射算法、流形规则调整、svm分类算法等内容，希望对研究机器学习的朋友有用。
嵌入式/单片机编程 These instances, whenmapped to an N-dimensional space, represent a core set that can be used to con
These instances, whenmapped to an N-dimensional space, represent a core set that can be
used to construct an approximation to theminimumenclosing ball. Solving the SVMlearning
problem on these core sets can produce a good approximation solution in very fast speed.
For example, the core-vector machin ...
matlab例程 神经网络的ELM算法
神经网络的ELM算法，比传统的BP和SVM都快，而且效果也很精确。运行平台是matlab，本人已经对原始ELM做了修改，可以适应多种函数，而且在数据处理方面自动产生分类矩阵。
人工智能/神经网络 基于libsvm
基于libsvm，开发的支持向量机图形界面(初级水平)应用程序，并提供了关于C和sigma的新的参数选择方法，使得SVM的使用更加简单直观.参考文章 Fast and Efficient Strategies for Model Selection of Gaussian Support Vector Machine 可google之。
人工智能/神经网络 在做2維度樣本分類的過程中,若我們能事先畫出訓練樣本在空間中的分散情形,這將有助於我們在設定SVM分類器的參數C的取值範圍. 例如:若畫出的訓練樣本的散佈較分散,我們可以得知此時採用的參數值可以取在較
在做2維度樣本分類的過程中,若我們能事先畫出訓練樣本在空間中的分散情形,這將有助於我們在設定SVM分類器的參數C的取值範圍. 例如:若畫出的訓練樣本的散佈較分散,我們可以得知此時採用的參數值可以取在較大的範圍. 所以本程式也是讓想要畫出資料樣本在平面的散佈情形者之一各可行工具. ...