svm
共 566 篇文章
svm 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 566 篇文章，持续更新中。
SMOTE算法
专为解决数据不均衡问题设计，SMOTE算法通过生成合成样本提升少数类的代表性。此方案已在多个实际项目中得到验证，显著提高了分类模型的性能和准确性。无论是机器学习初学者还是经验丰富的工程师，都能从中受益，掌握这一强大的工具来优化你的SVM分类器。
SVM浓缩讲稿，很到位
计算机学习与支持向量机学习方法，主要介绍了计算机学习，支持向量机，统计学理论
基于LS_SVM的变压器最优维护周期研究
E:\文献收集\电机工程学报\基于LS_SVM的变压器最优维护周期研究.pd
SVM和Matlab开发
利用SVM和Matlab开发图像内容检索系统的方法
基于svpwm控制的逆变器原理
详细的介绍了svpwm的原理、算法，并且简要介绍了3D——SVM的原理，同时对SVPWM与PWM进行了比较。
期刊论文：Application of SVM in Feather and Down Category Recogni
·期刊论文：Application of SVM in Feather and Down Category Recognition
期刊论文：基于SVM的模糊推理在图像降噪中的建模与仿真
·期刊论文：基于SVM的模糊推理在图像降噪中的建模与仿真
最小二乘支持向量机在人脸识别中的应用
·摘 要:支持向量机（SVM）模式识别方法具备良好的分类性能和鲁棒性,在介绍了典型支持向量机与最小二乘支持向量机（LS-SVM）原理的基础上,给出最小二乘支持向量机的算法实现过程,将其应用于人脸识别当中,取得较典型支持向量机在时间上较好的效果.在OPL人脸库中的实验结果表明,基于LS-SVM的人脸自动识别系统更能适用于实时性要求较高的场合.[著者文摘]
基于自适应小波分解和SVM的模拟电路故障诊断
·摘 要:为了降低模拟电路参数故障的测试难度，提出了基于自适应小波分解和SVM的模拟电路故障诊断的新方法，该方法对电路故障响应进行小波分解提取最优故障特征，母小波的选择是根据被测电路的正常响应和故障响应小波系数之差的最大均方根原则，并引入支持向量机对故障进行分类识别。小波分解具有自适应性，支持向量机结构简单，泛化能力强。实验结果证明了所提的基于自适应小波分解和SVM的模拟电路故障诊断方法是有效的，
基于HMM—SVM融合模型的鲁棒人脸识别算法
·摘 要:针对人脸识别的鲁棒性问题，鉴于HMM具有良好的时间序列建模能力和SVM在有限样本的分类方面具有优良性能，采用一种基于HMM—SVM融合模型的鲁棒人脸识别算法。首先将归一化人脸图像用采样窗从上到下进行采样，采用DCT和SVD提取各个采样窗图像的特征参数并串接成观察向量，然后由每个人的训练图像的观察向量训练得到每个人HMM模型，将测试图像的观察向量采用Viterbi算法求出对应于每个人HMM
期刊论文：基于小波变换和SVM的图像压缩仿真研究
·期刊论文：基于小波变换和SVM的图像压缩仿真研究
俄亥俄州立大学所编写的SVM工具包
·详细说明：俄亥俄州立大学所编写的SVM工具包,实现程序编译成了mex文件，所以速度很快
基于多尺度梯度角和SVM的正面人脸识别方法
·摘 要:为了提高人脸识别算法性能,提出了一种多尺度梯度角（MSGA）和支持向量机（SVM）相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波（ASBW）的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数
基于小波域隐马尔可夫模型的小波隐写分析
·摘要： 基于精确描述图像小波系数间统计特性的小波域二维隐马尔可夫模型(HMM)参数集合,提出一种针对小波域信息隐藏算法的新型隐写分析技术.通过使用二维HMM对小波系数进行建模,对生成的HMT森林在隐写前后的参数集合构造隐写分类特征,采用SVM分类器进行臆写判别.实验表明该方法适用于小波域隐写术的检测,对小波域QIM、MFP和BPCS隐写有较好的检测性能.
基于小波支持向量机的城市用水量非线性组合预测
·摘 要:基于支持向量机（SVM）和小波框架理论，建立了城市用水量非线性组合预测模型，介绍了该模型的结构设计方法，并采用SMO算法对模型进行求解。实例表明，该模型具有很强的泛化能力与适应数据和函数变化的能力，能够有效提高预测精度，可用于供水系统调度的用水量预测。[著者文摘]
期刊论文：一种改进的SVM相关反馈图像检索方法
·一种改进的SVM相关反馈图像检索方法
期刊论文：应用SVM方法进行沉积微相识别
·期刊论文：应用SVM方法进行沉积微相识别
期刊论文：基于HMM／SVM两级结构的汉语易混淆语音识别
·期刊论文：基于HMM／SVM两级结构的汉语易混淆语音识别
应用模糊最优小波包和LS-SVM的模拟电路诊断
·摘 要:为解决模拟电路故障诊断中的特征提取困难并对模拟电路故障信号进行有效的分类,提出了一种结合模糊理论、小波包分解和最小二乘支持向量机（LS-SVM）的模拟电路诊断方法。该法首先对模拟电路的响应信号进行小波包分解,并引入模糊准则对其优化,得到由分类能力强的最优小波包基能量值构成的特征集,然后将特征集输入LS-SVM网络,实现对不同故障类型的识别。小波包的优化分解减小了LS-SVM网络的规模,从
LISVM源码分析
这是一个不错的源码分析，希望对所学习SVM的人有用