资源简介
vapnik的SVM论文
支持向量网络是一种针对两类问题的新学习机器.它的实现基于以下思想:将输入向量非线性地映射到一个很高维的特征空间.并在该特征空间中构造一个线性决策平面.该决策平面的特殊性质保证了学习机器具有很好的推广能力.支持向量网络的思想已在完全可分的训练数据集上得以实现,这里我们将它扩展到不完全可分的训练数据集
代码片段和文件信息
- 上一篇：国电南自PS6000常见问题解答.DOC
- 下一篇：labview做的串口助手
相关资源
- 基于波形特征和SVM的心电信号自动分
- 支持向量机的非线性回归
- 支持向量机求最优分类面的一个解答
- labview实现图像分类
- FSVM_segmentation
- mat格式转换到libsvm数据格式
- FormatDataLibsvm.xls
- 基于LIBSVM的图像分类
- 基于主元特征融合和SVM的轴承剩余寿
- 基于GMM-SVM的说话人识别系统研究
- ｍａｔｌａｂ svmtrain函数
- 采煤工作面瓦斯浓度的LMD-SVM预测
- A method for the prediction of gas emission ba
- 基于BP神经网络和SVM的个人信用评估比
- hog+svm行人检测算法
- 基于支持向量机libsvm的回归预测分析
- 支持向量机导论-PDF
- libsvm-3.17
- opencv svm训练及检测代码+样本描述文件
- libsvm-3.12
- libsvm-3.21（包附可直接使用的libsvm数据
- svm分类，完美运行
- libsvm-mat-2.89-3加强工具箱
- wine_SVM数据
- 粒子群优化支持向量机
- LIB SVM工具箱
- 多分类支持向量机
- 一种简单的可视化SVM软件-winsvm.rar
- 垃圾邮件分类
- OpenCV基于SVM与BoW类型的图片分类的实
评论
共有 条评论