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。

上海交通大学模式识别实验室关于Libsvm源代码的注释。相当全面非常适合初学者。

上海交通大学模式识别实验室关于Libsvm源代码的注释。相当全面非常适合初学者。

libsvm的源代码

libsvm的源代码,包括windows下的使用实例,希望对大家有所帮助。

libsvm的几个合集,2-71,2-72,2-73

libsvm的几个合集,2-71,2-72,2-73

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、交叉验证选择参数、对不平衡样本加

svm是模式识别中一个重要的分类方法

svm是模式识别中一个重要的分类方法,libsvm为大家提供了使用svm一个方便的途径,该文件为libsvm的作者的报告。

支持向量机matlab程序

支持向量机matlab程序,版本libsvm-2.89,包括接口文件

libsvm-demo,支持向量机的演示程序,对初学者很有用!

libsvm-demo,支持向量机的演示程序,对初学者很有用!

本文档是翻译libsvm的FAQ

本文档是翻译libsvm的FAQ,对我们使用libsvm带来了极大的方便。

支撑向量机SVM的工具LIBSVM

支撑向量机SVM的工具LIBSVM,能够在windows平台下通过命令行使用,也可以在matlab下调用,适合于研究复杂条件下的分类问题

支持向量机(5)libSVM

支持向量机(5)libSVM

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

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,还提供了源代码,方便改进、修改以及在其它操作系统上应用;该软件还有一个特点,就是对SVM所涉及的参数调节相对比较少,提供了很多的默认参数,利用这些默认参数就可以解决很多问题;并且提供了交互检验(Cross V

libsvm支持向量机(Support Vector Machine,简称SVM)。

libsvm支持向量机(Support Vector Machine,简称SVM)。

vc 2005下的libsvm2.8.4

vc 2005下的libsvm2.8.4

libsvm的编成方法与一些例子

libsvm的编成方法与一些例子,希望大家喜欢

CJ.Lin的著名软件:LibSVM

CJ.Lin的著名软件:LibSVM,实现的是SVM分类、回归的快速算法。在Matlab 7.0环境下直接调用。

用于libsvm数据转换

用于libsvm数据转换,使得特征矢量按规定的方式转换

很好用的osu_svm.堪比libsvm

很好用的osu_svm.堪比libsvm, 有疑问可以直接联系。

机器学习支持向量机的代码libsvm 2.36版

机器学习支持向量机的代码libsvm 2.36版

how to use lib_svm, searched from the internet source. After read this papers, you can use libsvm ea

how to use lib_svm, searched from the internet source. After read this papers, you can use libsvm easily.

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

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