基于核的学习方法SVM(Support Vector Machine)有很好的分类识别性能，这是在SVM的基础上改进的一个更好的SKM(Support Kernel Machine)Package.
标签： Machine Support Vector SVM
上传时间： 2014-01-15
上传用户：13517191407
核子空间样本选择方法的核最近邻凸包分类器，不需要账号就可以下载
上传时间： 2013-12-18
上传用户：cjf0304
指出了非线性动态信号参数辨识的重要性；分析了目前采用的方法的不足；对非正交复Morlet小波满足Mercy条件和再生性的命题作了证明；用复Morlet小波构建出一种核函数，与主分量分析方法相结合，对非线性动态信号进行参数辨识和预测；仿真结果验证了该方法的正确性和有效性，表明该方法具有较好的理论价值和实用价值。
上传时间： 2016-06-27
上传用户：wang0123456789
该文档介绍的是IP核的使用方法，主要是ISE中的IP核
上传时间： 2013-12-25
上传用户：lili123
局部线性回归方法及其稳健形式已经被看作一种有效的非参数光滑方法.与流行的核回归方法相比,它有诸多优点,诸如:较高的渐近效率和较强的适应设计能力.另外,局部线性回归能适应几乎所有的回归设计情形却不需要任何边界修正。
上传时间： 2013-12-16
上传用户：sssl
核lpp（局部保持映射）的降维方法。跟Xiaofei He的论文配套
上传时间： 2014-07-22
上传用户：sy_jiadeyi
核直接线性判别方法:图像及高维复杂数据模式识别的利器！内有方法开发的相关文档说明！经典！
上传时间： 2017-02-28
上传用户：huannan88
核主元分析和支持向量机结合的故障诊断方法
上传时间： 2013-11-29
上传用户：hewenzhi
关于关联向量机应用的最新文献！ 提出了一种核主元分析(KPCA)和关联向量机(RVM)相结合的组合建模方法。KPCA-RVM采用KPCA对原始自变量进行非线性变换并提取主成分,形成特征自变量 采用RVM,对KPCA变换后的样本数据进行回归建模,并根据模型的预报能力自适应的确定参与回归的最佳特征变量个数,消除冗余信息干扰,获得强非线性表达能力且预报性能良好的模型。并将KPCA-RVM应用于PTA装置对羧基苯甲醛(4-CBA)含量的软测量建模,结果表明该方法预测精度高于PCA-RVM和RVM。
上传时间： 2013-12-20
上传用户：ddddddos
SOPC的IP核使用方法，介绍了好几种IP核的使用，供参考使用
上传时间： 2017-08-11
上传用户：ruixue198909
