Libsvm

共 100 篇文章
Libsvm 相关的电子技术资料,包括技术文档、应用笔记、电路设计、代码示例等,共 100 篇文章,持续更新中。

libsvm-3.0.zip

支持向量机工具箱,包含了PSO优化,GA优化,以及PCA分析的非常好用的工具箱

libsvm

这个是libsvm,有java,matlab,windows各种版本及源码

LIBSVM使用方法

LIBSVM使用方法 入门者初学 详细清楚

libsvm2.90支持向量机工具箱

libSVM是由台湾大学的林智仁教授开发的。它是当前对支持向量机的理论 研究支持的最完整的一种支持向量机代码,同时它也具有简单易用性,对于支 持向量机方面的研究学者很有帮助。在分类应用上,libSVM支持C一SVC与 nu一SVe;在回归应用方面,libSVM支持epsilon一SVR和nu一sVR

svm

LIBSVM是台湾大学林智仁(Lin Chih-Jen)副教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包,他不但提供了编译好的可在Windows系列系统的执行文件,还提供了

SVM在小字符集手写体汉字识别中的应用研究

本文将支持向量机(SVM)引入到小字符集脱机手写体汉字识别中。文章首先介绍了SVM<BR>的基本原理和主要算法,然后在实验中采用了LibSVM训练软件,针对银行票据手写汉字的小字符集进行了仿真,同时与

MATLAB 神经网络案例分析,LIBSVM参数实例详解

MATLAB 神经网络案例分析,LIBSVM参数实例详解-MATLAB neural network case analysis, LIBSVM example of a detailed solution

libsvm

libsvm3.25 可以使用matlab进行学习编辑

LibSVM

Libsvm is a simple, easy-to-use, and efficient software for SVM<br /> classification and regression. It solves C-SVM classification, nu-SVM<br /> classification, one-class-SVM, epsilon-SVM regression,

POS+LIBSVM

改进粒子群优化支持向量机,适用于分类问题。

LibSVM程序代码注释

LibSVM程序代码注释,在该文件中系统的详解了LibSVM中的代码,对其进行了注释,对于入手libSVM的开发人员很有帮助

matlab libsvm 3.1 工具箱

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)

libsvm很好用的一个svm库,很有用

libsvm很好用的一个svm库,很有用,很强大

Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It s

Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It solves C-SVM classification, nu-SVM classification, one-class-SVM, epsilon-SVM regression, and nu-SV

LibSVM代码说明

LibSVM代码说明,有助于对算法实现的理解。

libsvm使用介绍

libsvm使用介绍,有实例及结果,很详细!

ToolBox---libsvm-3.21

matlab下livsvm工具包,支持向量机,包含注释,亲测有用

将二维数据转换成libsvm格式的程序

将二维数据转换成libsvm格式的程序,matlab格式文件,可作函数调用。

LIBSVM 是台湾大学林智仁 (Chih-Jen Lin) 博士等开发设计的一个操作简单、易于使用、快速有效的通用 SVM 软件包

LIBSVM 是台湾大学林智仁 (Chih-Jen Lin) 博士等开发设计的一个操作简单、易于使用、快速有效的通用 SVM 软件包,可以解决分类问题(包括 C- SVC 、n - SVC )、回归问题(包括 e - SVR 、 n - SVR )以及分布估计( one-class-SVM )等问题,提供了线性、多项式、径向基和 S 形函数四种常用的核函数供选择,可以有效地解决多类问题、交叉验证选

libsvm——matlab中优化的svm分类器

国外牛人提供的优化的svm分类器代码。方便在matlab中使用。提供比较优化分类效果。