新神经网络 Extreme Learning Machine 比Svm快，附4个例子
标签： Learning Extreme Machine Svm
上传时间： 2013-12-27
上传用户：水中浮云
这里实现了基于四种Svm工具箱的分类与回归算法: 1、工具箱：LS_Svmlab Classification_LS_Svmlab.m - 多类分类 Regression_LS_Svmlab.m - 函数拟合 2、工具箱：OSU_Svm3.00 Classification_OSU_Svm.m - 多类分类 3、工具箱：stprtool\Svm Classification_stprtool.m - 多类分类 4、工具箱：Svm_SteveGunn Classification_Svm_SteveGunn.m - 二类分类 Regression_Svm_SteveGunn.m - 函数拟合 更详细的相关函数说明请通过help命令查看！
标签： Classification_LS_Svmlab Regression_LS_Svmlab LS_Svmlab Svm
上传时间： 2016-03-03
上传用户：jkhjkh1982
Svm 多类分类 输入多种色点，能够准确的按颜色分类 C#语言描述
标签： Svm 分类 输入
上传时间： 2014-01-12
上传用户：silenthink
这是一个讲解机器学习与Svm的课件，讲的深入浅出，非常不错。
标签： Svm 机器学习
上传时间： 2014-01-26
上传用户：hj_18
Svm算法，JAVA 神经网络 自己写的，多多指教
标签： Svm 算法
上传时间： 2013-12-25
上传用户：hfmm633
Svm算法介绍
上传时间： 2013-12-09
上传用户：dancnc
针对Svm法线特征筛选算法仅考虑法线对特征筛选的贡献,而忽略了特征分布对特征筛选的贡献的不足,在对Svm法线算法进行分析的基础上,基于特征在正、负例中出现概率的不同提出了加权Svm法线算法,该算法考虑到了法线和特征的分布.通过试验可以看出,在使用较小的特征空间时,与Svm法线算法和信息增益算法相比,加权Svm法线算法具有更好的特征筛选性能.
标签： Svm 特征 算法 筛选
上传时间： 2016-03-19
上传用户：wyc199288
VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为Svm的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,Svm文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得出的结论跟实验结果相符.
标签： Svm 多项式 风险 准则
上传时间： 2013-12-01
上传用户：c12228
因其核函数的良好性态,RBF核Svm(RBF-Svm)在实际应用中表现出良好的学习性能,但是RBF核函数中的参数对Svm的性能起决定性作用.阐述了RBF-Svm的性能随着变化而变化的规律,并将RBF-Svm引入自动羽绒识别系统中.根据自动羽绒识别系统的实际需求和RBF-Svm的性能变化规律,论述了本系统中参数的选取依据和选取过程,并且给出了的相关曲线变化图.通过研究,最后得到适合本系统的识别模型,从而提高了系统的总体识别率.同时,也验证了RBF-Svm的良好特性和其受参数的约束规律.
标签： RBF-Svm RBF Svm 性能
上传用户：zhengzg
Svm(支持向量机)是著名的文本分类算法。libSvm是其中的一种实现的最新版本，完全开源。linux环境。
标签： libSvm Svm 支持向量机 文本分类
上传时间： 2016-03-21
上传用户：zaizaibang
