搜索资源列表
SVM(matlab)
- 支持向量机(SVM)实现的分类算法源码[matlab] -Support Vector Machine (SVM), a classification algorithm source code [Matlab]
svm_multiclass.tar
- SVM支持向量机多分类器源码，用过的，绝对好用-SVM SVM classifier source, used absolutely everything
gabor_svm
- Gabor小波提取特征,然后用支持向量机作分类器，可以用于掌纹，人脸，指纹识别。
icafsvm.rar
- 用于人脸识别的模糊独立成分分析+主成分分析，用模糊支持向量机进行的分类。,Fuzzy Face Recognition for independent component analysis+ principal component analysis, using fuzzy support vector machine classification.
wavelettransform
- 一篇关于基于双正交小波分解进行特征提取的支持向量机的分类研究文章-An article on biorthogonal wavelet decomposition based on feature extraction for support vector machine classification of research papers
svm
- 选用支持向量机作为区分文本与非文本的分类器，支持向量机是在统计学习理论基础上发展起来的新一代学习算法，它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。-Use support vector machine as the distinction between text and non-text classifier, support vector machine is in statistical learning theory developed on the basis of
SvmsourcecodewrittenwithMATLAB
- 用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取。-Svm source code written with MATLAB, you can achieve the support vector machine for classification or feature extraction.
SVMinPR
- 模式识别中支持向量机的应用。在图像识别，多维数据分类中有很好的应用。-Pattern recognition Support Vector Machine. In image recognition, multi-dimensional data classification has a good application.
7788
- 大名鼎鼎的方帅的博士学位论文---目前,计算机智能视频监控在理论和应用上都面临着很多难题,国内外大批学者投身于该领域的研究和探索,并且取得了大量的成果.本文是在这些成果的基础上,对计算机智能视频监控系统的关键技术进行研究.主要贡献可概括如下:首先,对目标检测技术进行了研究,并提出了一种基于背景建模的运动目标检测算法.利用统计的方法建立了基于颜色和颜色梯度的背景模型,并实时地对背景模型进行更新,最后将这两种背景模型综合考虑对目标进行了有效的检测.接着,研究了复杂背景下多目标跟踪问题,提出了基于蒙特
fsvmPpca-face-Recognition
- 首先用PCA对ORA人脸图像降维，然后用模糊支持向量机对提取的特征向量进行分类，识别率较高。-First using PCA for dimensionality reduction ORA face image, and then use fuzzy support vector machine to classify the extracted feature vectors, the recognition rate is higher.
test_gen123
- 关于傅立叶变换的SVM程序，适用于模式识别支持向量机分类-Fourier transform on the SVM procedure for pattern recognition Support Vector Machines
SVM_Learning
- 基于支持向量机进行数据分类、模式识别、数据挖掘的电子文档，适合初学者进行学习。-Data based on support vector machine classification, pattern recognition, data mining, electronic documents, suitable for beginners to learn.
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
- 支持向量机分类程序，尤其适用于训练样本数量较少的境况-svm to classify
svmval
- 支持向量机分类程序，精度以及泛化性均优于传统分类方法-Support vector machine classification procedures, precision, and generalization are superior to the traditional classification methods
svm
- 支持向量机分类器，可以用于手写分类，车牌字符分类等-Support vector machine classifier
论文
- 20世纪90年代，贝尔实验室的Vapnik教授第一次提出支持向量机（Support VectorMachine,SVM）的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法，它以结构风险最小化原则代替经验风险最小化原则，同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力，解决了小样本、非线性和维数高等难题，并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
svm支持向量机图像分类
- 通过支持向量机机器学习算法，实现对不同状态图像的分类，是非常好的方法。
支持向量机算法可视化实现
- 项目文件分为src和data两部分，src文件夹下存放源码，data文件夹下存放样本数据和生成的结果文件。 项目中含有RBF SVM分类算法，可视化界面上分别有对应算法的训练和结果展示按钮，通过按钮可以触发模型训练和可视化效果呈现。 项目运行过程中，会有一些日志打印出来。 详见内部说明文档