搜索资源列表
libsvm-2.88.zip
- 支持向量机用于实验数据拟合分类优化,速度快,Support Vector Machines for classification optimization of the experimental data fitting, fast
SVM_GA
- 提出一种基于支持向量机( SVM)和遗传算法(GA)的离散余弦变换(DCT)域盲数字图像水印方法. 该方法能自适应于图像的局部特征. 依据图像块的局部特性,利用SVM对图像块分类,自适应地确定水印嵌入强度, GA用来优化水印嵌入位置. 实验结果表明该方法有较好的不可见性和较强对抗攻击的鲁棒性.-Based on support vector machine (SVM) and genetic algorithm (GA), discrete cosine transform (DCT) doma
Complete-identification-including-skin-and-the-act
- 本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。涉及的技术有：小波分析，尺度缩减模型（PCA,LDA,ICA），人工神经网络（ANN），支持向量机（SVM），SSE编程，图像处理，直方图均衡，图像滤波，C++编程，还有一下其它的人脸检测的背景知识-The purpose of this paper is to provide an I developed SSE optimized, C++ library, used for face d
RDPC
- 用遗传算法( Genetic Algorithm，GA) 搜寻可识别被不同农药污染脐橙的可见/近红外光谱的最佳特征光 谱区间及波长，并建立了支持向量机( Support Vector Machines，SVM) 定性分析模型。实验供试农药为灭多威、 氰戊菊酯和氧乐果3 种。通过GA 来搜寻整个波段范围( 460 ～ 1 800 nm) ，将得到的9 个最佳特征光谱区间所 包含的波长( 共318 个) 作为SVM 建模的输入变量，对识别被3 种农药污染脐橙的准确率为100 。并继续应
support-vector-machine
- 本书主要以分类问题（模式识别，判别分析）和回归问题为背景，系统阐述支持向量机和相应的优化算法-This book mainly classification (pattern recognition, discriminant analysis) and regression as the background, the system describes support vector machine and the corresponding optimization
SVM-and--Face-Recognition
- 支持向量机及其在人脸识别中的应用研究 上海交通大学博士论文，在知网上面付费下载得到的。本文从应用的角度出发，较为全面地对一些相关问题进行探讨，并使用Visual C++实现了一个基于支持向量机的人脸识别软件—idTeller。 论文的主要工作和创新点包括： ·提出了两种基于VC边界的支持向量机参数选择算法—固定C算法和VC-CV算法。VC边界是两类支持向量机参数选择的一个理想准则，但它的一些固有缺点使其应用变得困难。本文通过将VC边界转化为VC指标，最终把问题归结为对最小包围体的求解，从理论
Color-rendering.
- 本文的目的是提供一个我开发的SSE优化的，C++库，用于人脸检测，你可以马上把它用于你的视频监控系统中。涉及的技术有：小波分析，尺度缩减模型（PCA,LDA,ICA），人工神经网络（ANN），支持向量机（SVM），SSE编程，图像处理，直方图均衡，图像滤波，C++编程，还有一下其它的人脸检测的背景知识。-Face expression identification code, part of the realization of the algorithm and write the purpo
myfun_SVM
- 遗传算法优化支持向量机参数的人脸识别程序，能直接运行-Genetic algorithm optimization parameters of SVM face recognition program that can be run directly
SVM-regression-theory-and-control-
- 支持向量机回归理论与神经网络等非线性回归理论相比具有许多独特的优点有线性回归和非线性回归,其模型的选 择包括核的选择、容量控制以及损失函数的选择.在控制方面的研究包括非线性 时间序列 的预测及应用、系统辨识以及优化控制和学习控制等方面的研究-Support vector machine (SVM) regression theory and neural network has many unique advantages such as nonlinear regression theory
data_1
- 支持向量机进行优化学习的部分原始数据库的数据-Support vector machine (SVM) to optimize learning of a part of the original database data
crossvalidation
- 利用交叉验证法进行支持向量机的参数优化，最后输出识别结果-The use of cross-validation method for parameter optimization support vector machine, the final output recognition results
svm--classification
- 基于支持向量机的图像分类，含有各种图像分类实例，以及最小二乘支持向量机优化算法-Image classification based on support vector machine, including various image classification examples, and least squares support vector machine optimization algorithm
pso-SVM
- 利用粒子群法寻找出c,g两个参数，从而达到优化支持向量机的目的
改进svm
- phog方法提取图像特征，svm支持向量机进行分类，分别有GA遗传算法和PSO粒子群优化算法进行寻优。(Phog method extracted image features, SVM support vector machine classification, respectively, GA genetic algorithm and PSO particle swarm optimization algorithm for optimization.)