搜索资源列表
-
0下载：
高性能文档分类算法，支持向量机方法，有需要者请便。-document classification algorithm performance, support vector machines, there are those in need, please yourself.
-
-
0下载：
针对语音识别的实时性要求提出了一种新的基于支持向量机的OOV快速拒识算法并将其应用于基于DSP 实现的孤立词语音识别系统中。-Speech Recognition real-time requirements of a new support vector machines based on the vocabulary rapid rejection algorithm which can be used for the DSP-based Isolated Speech Recognitio
-
-
0下载：
使用Delphi编写的SVM软件，可以实现SVM的功能，供支持向量机的初学者使用。-Delphi prepared using SVM software can achieve the function of SVM, support vector machines for beginners to use.
-
-
0下载：
支持向量机算法 程序
用于解决支持向量机 数据挖掘和段数据训练-SVM procedure for solving support vector machines in data mining and training section
-
-
0下载：
Support Vector Machines
-
-
0下载：
it is a library for SVM(support vector machines) to be used in matlab. It includes a readme file for details. It can be used to train SVM on some dataset and use it to predict values(Machine Learning).
-
-
0下载：
Support Vector Machines
-
-
0下载：
相似度算法的实现， 在利用支持向量机进行模式分类的时候，有时需要考虑到实时性，为了提高实时性，则利用相似度算法减少样本集个数，从而减少训练时间和支持向量的个数，使得建立起的向量机实时性提高-Similarity algorithm, in the use of support vector machines for pattern classification, sometimes need to be considered real-time, in order to improve real
-
-
0下载：
相似度算法，主要是用来优化支持向量机来进行分类识别-Similarity algorithm is mainly used to optimize support vector machines for classification and identification
-
-
0下载：
粒子群优化支持向量机算法，里面有具体的例子，可以很好的学习-Particle swarm optimization algorithm for support vector machines, there are specific examples of good learning
-
-
0下载：
Support Vector Machines solution
-
-
0下载：
基于SVM的回归预测算法，用于开始学习支持向量机，详细，简单，具体-SVM regression prediction algorithm based on support vector machines for start learning, detailed, simple, specific
-
-
1下载：
模糊熵， 为解决从信号中提取故障特征难的问题, 介绍了一种新的信号故障特征提取方法—— 多尺度熵( multi-scale
entro py, 简称MSE) , 并将样本熵和多尺度熵分别应用于转子故障信号复杂性的度量, 以提取故障特征。试验数据
分析表明, 与样本熵相比, 多尺度熵更能有效地实现转子故障类型的诊断。-A new rolling bearing fault diagnosis approach based onmultiscale permutation entropy (
-
-
0下载：
相关向量机(RVM)的matlab源程序，包含快速算法，内含代码使用说明。 RVM采取是与支持向量机相同的函数形式稀疏概率模型，对未知函数进行预测或分类。 优点： (1) 不仅仅输出预测目标量的点估计值,还可以输出预测值的分布. (2) 使用更少数量的支持向量,从而显著减少输出目标量预测值的计算时间. (3) RVM不需要估计过多的参数. (4) RVM对是否满足Mercer 定理的核函数没有限制,适应性更好.--Relevance Vector Machine (RVM) of the mat
-
-
0下载：
支持向量机参数网格寻优算法 a toolbox with implements for support vector machines based on libsvm-svm gridsearch
-
-
0下载：
使用支持向量机进行数据的分类预测，所需样本数据较少，且预测精度高，分类效果较好。-Using support vector machines for data classification prediction, requires less sample data, and predict high precision, classification better.
-
