搜索资源列表
支持向量机
- 介绍支持向量机基本知识
SVM 支持向量机算法程序
- SVM 支持向量机算法程序 matlab语言
分类算法
- 最小二乘支持向量机分类
支持向量机训练算法实现及其改进
- 支持向量机训练算法实现及其改进
Wang Jimin《支持向量机(SVM)》讲义
- Wang Jimin《支持向量机(SVM)》讲义
SVM数据分类预测
- 包含程序和试验数据，已进行MATLAB试运行。可以实现支持向量机对数据进行分类的功能。并进行了案例扩展，讨论了数据归一化对支持向量机的分类结果的影响，讨论了核函数对分类结果的影响。
基于支持向量机的数据库学习算法
- 基于支持向量机的数据库学习算法
支持向量机若干问题的研究
- 支持向量机若干问题的研究
支持向量机的分类
- 基于IDL编写的用于遥感影像的分类，采用的分类方法为支持向量机。
采用遗传算法优化最小二乘支持向量机参数的方法
- 采用遗传算法优化最小二乘支持向量机参数的方法
基于最小二乘小波支持向量机的股票期货市场预测
- 基于最小二乘小波支持向量机的股票期货市场预测
计算支持向量机中alpha的值
- 计算支持向量机中alpha的值
LS_SVM最小二乘支持向量机Matlab源码
- 自编的最小二乘支持向量机Matlab代码，主要用于非线性回归
最小二乘支持向量机
- 最小二乘支持向量机
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
基于支持向量机的手写数字识别（小论文+matlab编程及结果）
- 支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数
支持向量机(SVM)
- 支持向量机(SVM的上课课件 很有用
支持向量机
- 介绍几种支持向量机的算法！
数字识别的支持向量机方法.doc
- matlab 数字识别的支持向量机方法.doc 模式识别
支持向量机的手写体数字识别
- 基于支持向量机的手写体数字识别 系统源码！ lunwen请QQ联系1836245579！