搜索资源列表
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。
work234
- 利用小波进行边缘提取，比较各种小波核函数的能力，体会“数学显微镜”的妙用，例子：车牌定位。-using wavelet edge detection, comparison of different wavelet function of the nuclear capability and experience "math microscope," the magic examples : positioning
kernel-process-control
- 核函数方法及其在过程控制中的应用研究,主要总结了我国与国外的核函数研究现状-kernel function method and the process control of applied research, the main conclusion of our country and abroad kernel Research
Basedonsampleandkerneldynamicmeans
- 基于样本和主轴核函数的相似度的动态聚类算法程序-based on samples and nuclear spindle function of the similarity dynamic clustering algorithm procedures
mean_shift
- 介绍关于利用基于核函数的Meanshift跟踪算法的PPT，非常好，有兴趣的学习-Introduction on the use of Kernel-based tracking algorithm Meanshift the PPT, very good, are interested in learning
kernel-ica1_2
- 这是核函数独立分量分析KICA的源码和相关程序，希望大家用得上。-This is a kernel independent component analysis of the source KICA and related procedures, I hope everyone useful.
ImprovedAlgorithmBasedonKernelFunctionandApplicati
- 本文的题目是改进的核函数算法及其在人脸识别中的应用研究。 本文在系统学习现有核函数及支持向量机相关理论的基础上，系统研究了自适应选择核函数算法，通过引入朴素正则风险最小化准则，提出了一种改进的在线核函数算法。算法采用截断误差最小化、合理选取拉格郎日因子等方法对新增样本进行训练，有效地克服了现有方法收敛精度低和不能自适应选择样本的困难。 根据独立分量分析的原理和特点，将改进的核函数算法引入人脸识别的研究中，给出了基于ICA
Featureselectiontodiagnoseabusinesscrisisbyusingar
- 用遗传算法进行特征选择并优化支持向量机的核函数参数和惩罚因子-Using genetic algorithm feature selection and optimization of SVM kernel function parameters and punish factor
@rbf
- 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
IntrusionDetectionTechnologyBaseonSupportVectorMac
- 本论文将统计学习理论引入入侵检测领域，讨论了基于SVM方法的智能检测 策略，检测算法具有良好的推广能力.引入HVDM距离代替范数，改进了SVM的 RBF核函数定义，使之能够直接处理异构的网络连接信息 利用有保证的估计方法 来确定训练数据集规模，避免了依靠实验选择训练规模的盲目性 针对重复样本 和重要样本提出了样本加权的思路，降低了错分样本的可能 考虑到网络连接记 录的不同属性对检测结果贡献不一的事实，提出了特征选择与
Locally+weighted+regression+estimation
- 加权核函数的静态杂波抑制效果以及残留噪声的高斯性和独立性检验实验结果演示程序。 另外，包括Uniform和Gabor加权核函数相结合的静态杂波抑制效果以及残留噪声的高斯性和独立性检验实验结果演示程序。
SVMExample
- 支持向量机SVM和核函数的MATLAB程序集-SVM Support Vector Machines and Kernel MATLAB assembly
winsvm
- 实现SVM的分类可以选择SVM类型，核函数类型，以及训练参数
kernel
- 用VC++编写的若干个机器学习中的核函数-With VC++ Prepared a number of machine learning in the kernel function
AKindofNon-orthogonalComplexWaveletKernelFunction.
- 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。 -Pointed out the nonlinear dynamic signals the importance of p
SVMmatlab
- 用MATLAB编写的支持向量机，实现了线性可分与线性不可分的情况，还有非线性支持向量机，里面部分常用的核函数。-Prepared using MATLAB support vector machine, to achieve a linearly separable and linear indivisible, it is still non-linear support vector machine, which part of t
gaussian
- 高斯滤波核函数生成,可以根据K和要生成对应的高斯核-Gaussian filter kernel generation, according to K and to generate the corresponding Gaussian kernel
SVM_lzb1p0
- svm（支持向量机）能进行分类。有不同的核函数，如线性，多项式等-svm (support vector machine) can be classified. There are different kernel functions, such as linear, polynomial, etc.
work
- 高斯核函数，矩阵自身的高斯核函数计算，需要指定参数-Gaussian kernel function, matrix itself Gaussian kernel function, the need to specify the parameters
核函数主成分分析KPCA
- 在多元统计领域中，核函数主成分分析(kernel principal component analysis, kernel PCA)是利用核函数方法技术对主成分分析(PCA)的扩展。使用核函数使原PCA的线性操作是在一个复制的内核希尔伯特空间中执行的。 KPCA的运算步骤势在PCA之前首先对数据进行kernel变换 ，再求相关系数矩阵。(In the field of multivariate statistics, kernel pr