matlab下livsvm工具包，支持向量机，包含注释，亲测有用
上传时间： 2017-03-10
上传用户：hanhaha
本课程提供了一个广泛的介绍机器学习、数据挖掘、统计模式识别的课程。主题包括： （一）监督学习（参数/ 非参数算法，支持向量机，核函数，神经网络）。（二）无监督学习 （聚类，降维，推荐系统，深入学习推荐）。（三）在机器学习的最佳实践（偏差/ 方差理 论；在机器学习和人工智能创新过程）。本课程还将使用大量的案例研究，您还将学习如何 运用学习算法构建智能机器人（感知，控制），文本的理解（W eb 搜 索，反垃圾邮件），计 算机视觉，医疗信息，音频，数据挖掘，和其他领域。 本课程需要 1 0 周 共 1 8 节 课，
上传时间： 2017-07-28
上传用户：xiaoyuerer
用于matlab支持向量机,工具箱安装教程网上有，需要本机已经安装编译器（vc++ 6.0或VS等）
上传时间： 2017-07-29
上传用户：qilee
改进粒子群优化支持向量机，适用于分类问题。
上传时间： 2018-01-11
上传用户：shuihanhan
#include "iostream" using namespace std; class Matrix { private: double** A; //矩阵A double *b; //向量b public: int size; Matrix(int ); ~Matrix(); friend double* Dooli(Matrix& ); void Input(); void Disp(); }; Matrix::Matrix(int x) { size=x; //为向量b分配空间并初始化为0 b=new double [x]; for(int j=0;j<x;j++) b[j]=0; //为向量A分配空间并初始化为0 A=new double* [x]; for(int i=0;i<x;i++) A[i]=new double [x]; for(int m=0;m<x;m++) for(int n=0;n<x;n++) A[m][n]=0; } Matrix::~Matrix() { cout<<"正在析构中~~~~"<<endl; delete b; for(int i=0;i<size;i++) delete A[i]; delete A; } void Matrix::Disp() { for(int i=0;i<size;i++) { for(int j=0;j<size;j++) cout<<A[i][j]<<" "; cout<<endl; } } void Matrix::Input() { cout<<"请输入A:"<<endl; for(int i=0;i<size;i++) for(int j=0;j<size;j++){ cout<<"第"<<i+1<<"行"<<"第"<<j+1<<"列:"<<endl; cin>>A[i][j]; } cout<<"请输入b:"<<endl; for(int j=0;j<size;j++){ cout<<"第"<<j+1<<"个:"<<endl; cin>>b[j]; } } double* Dooli(Matrix& A) { double *Xn=new double [A.size]; Matrix L(A.size),U(A.size); //分别求得U，L的第一行与第一列 for(int i=0;i<A.size;i++) U.A[0][i]=A.A[0][i]; for(int j=1;j<A.size;j++) L.A[j][0]=A.A[j][0]/U.A[0][0]; //分别求得U，L的第r行，第r列 double temp1=0,temp2=0; for(int r=1;r<A.size;r++){ //U for(int i=r;i<A.size;i++){ for(int k=0;k<r-1;k++) temp1=temp1+L.A[r][k]*U.A[k][i]; U.A[r][i]=A.A[r][i]-temp1; } //L for(int i=r+1;i<A.size;i++){ for(int k=0;k<r-1;k++) temp2=temp2+L.A[i][k]*U.A[k][r]; L.A[i][r]=(A.A[i][r]-temp2)/U.A[r][r]; } } cout<<"计算U得:"<<endl; U.Disp(); cout<<"计算L的:"<<endl; L.Disp(); double *Y=new double [A.size]; Y[0]=A.b[0]; for(int i=1;i<A.size;i++ ){ double temp3=0; for(int k=0;k<i-1;k++) temp3=temp3+L.A[i][k]*Y[k]; Y[i]=A.b[i]-temp3; } Xn[A.size-1]=Y[A.size-1]/U.A[A.size-1][A.size-1]; for(int i=A.size-1;i>=0;i--){ double temp4=0; for(int k=i+1;k<A.size;k++) temp4=temp4+U.A[i][k]*Xn[k]; Xn[i]=(Y[i]-temp4)/U.A[i][i]; } return Xn; } int main() { Matrix B(4); B.Input(); double *X; X=Dooli(B); cout<<"~~~~解得:"<<endl; for(int i=0;i<B.size;i++) cout<<"X["<<i<<"]:"<<X[i]<<" "; cout<<endl<<"呵呵呵呵呵"; return 0; }
标签： 道理特分解法
上传时间： 2018-05-20
上传用户：Aa123456789
包含5个实验项目论文，包含BP神经网络，支持向量机，感知器
上传时间： 2018-10-02
上传用户：freedom1900
运用支持向量机结合分形几何学方法获取股市循环周期的方法，亲测有效，可以定义波段高低点
上传时间： 2020-03-07
上传用户：晨阳沐土
《统计学习方法》李航第二版，机器学习，人工智能必备基础书籍 内容简介：统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank 算法等。本书是统计机器学习及相关课程的教学参考书，适用于高等院校文本数据挖掘、信息检索及自然语言处理等专业的大学生、研究生，也可供计算机应用等专业的研发人员参考。
上传时间： 2021-09-01
上传用户：wenxiuyu
数学建模32种常规方法1..第一章 线性规划.pdf10.第十章 数据的统计描述和分析.pdf11.第十一章 方差分析.pdf12.第十二章 回归分析.pdf13.第十三章 微分方程建模.pdf14.第十四章 稳定状态模型.pdf15.第十五章 常微分方程的解法.pdf16.第十六章 差分方程模型.pdf17.第十七章 马氏链模型.pdf18.第十八章 变分法模型.pdf19.第十九章 神经网络模型.pdf2.第二章 整数规划.pdf20.第二十章 偏微分方程的数值解.pdf21.第二十一章 目标规划.pdf22.第二十二章 模糊数学模型.pdf23.第二十三章 现代优化算法.pdf24.第二十四章 时间序列模型.pdf25.第二十五章 存贮论.pdf26.第二十六章 经济与金融中的优化问题.pdf27.第二十七章 生产与服务运作管理中的优化问题.pdf28.第二十八章 灰色系统理论及其应用.pdf29.第二十九章 多元分析.pdf3.第三章 非线性规划.pdf30.第三十章 偏最小二乘回归.pdf31、支持向量机(数学建模).pdf32、作业计划(数学建模).pdf4.第四章 动态规划.pdf5.第五章 图与网络.pdf6.第六章 排队论.pdf7.第七章 对策论.pdf8.第八章 层次分析法.pdf9.第九章 插值与拟合.pdf前言.pdf灰色预测公式的理论缺陷及改进.pdf
标签： 数学建模
上传时间： 2021-10-20
上传用户：kingwide
介绍了数据科学领域常用的所有重要机器学习算法以及TensorFlow和特征工程等相关内容。涵盖的算法包括线性回归、逻辑回归、支持向量机、朴素贝叶斯、K均值、随机森林等，这些算法可以用于监督学习、非监督学习、强化学习或半监督学习。本书在简明扼要地阐明基本原理的基础上，侧重于介绍如何在Python环境下使用机器学习方法库，并通过大量实例清晰形象的展示了不同场景下机器学习方法的应用。
上传时间： 2021-10-21
上传用户：d1997wayne
