搜索资源列表
svm
- libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It solves C-SVM classification, nu-SVM classification, one-class-SVM, epsilon-SVM regression, and nu-SVM regression. It also provides an automatic mo
deboor-cox.rar
- 目的:运用强化学习!多分类器集成!降维方法等最新计算机技术,结合细胞病理知识,设计制作/智能化肺癌细胞病理图像诊断系统0"方法:采集细胞图像,运用基于强化学习的图像分割法将细胞区域从背景中分离出来 运用基于样条和改进2方法对重叠细胞进行分离和重构 提取40个细胞特征用于贝叶斯!支持向量机!紧邻和决策树4种分类器,集成产生肺癌细胞分类结果 建立肺癌细胞病理图库,运用基于等降维方法对细胞进行比对,给予未定型癌细胞分类"结果:/智能化肺癌细胞病理诊断系统0应用于临床随机1200例肺
libsvm-2.88.rar
- LIBSVM 是台湾大学林智仁 (Chih-Jen Lin) 博士等开发设计的一个操作简单、易于使用、快速有效的通用 SVM 软件包，可以解决分类问题（包括 C- SVC 、n - SVC ）、回归问题（包括 e - SVR 、 n - SVR ）以及分布估计（ one-class-SVM ）等问题，提供了线性、多项式、径向基和 S 形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。,LIBSVM is林智仁Taiwan Univ
stprtool.rar
- 统计模式识别工具箱（Statistical Pattern Recognition Toolbox）包含： 1，Analysis of linear discriminant function 2，Feature extraction: Linear Discriminant Analysis 3，Probability distribution estimation and clustering 4，Support Vector and other Kernel Machines,
libsvm-2.89.zip
- LIBSVM 是台湾大学林智仁(Chih-Jen Lin)博士等开发设计的一个操作简单、易于使用、快速有效的通用SVM 软件包，可以解决分类问题（包括C- SVC、n - SVC ）、回归问题（包括e - SVR、n - SVR ）以及分布估计（one-class-SVM ）等问题，提供了线性、多项式、径向基和S形函数四种常用的核函数供选择，可以有效地解决多类问题、交叉验证选择参数、对不平衡样本加权、多类问题的概率估计等。 2.89版本是09年刚更新的一个版本。,LIBSVM
svm_perf.tar.gz
- SVMstruct is a Support Vector Machine (SVM) algorithm for predicting multivariate or structured outputs. It performs supervised learning by approximating a mapping h: X --> Y using labeled training examples (x1,y1), ..., (xn,yn). Unlike regula
SVM
- 该工具箱包括了二种分类,二种回归,以及一种一类支持向量机算法 (1) Main_SVC_C.m --- C_SVC二类分类算法 (2) Main_SVC_Nu.m --- Nu_SVC二类分类算法 (3) Main_SVM_One_Class.m --- One-Class支持向量机 (4) Main_SVR_Epsilon.m --- Epsilon_SVR回归算法 (5) Main_SVR_Nu.m --- Nu_SVR回归算法-Support Vector Machin
libsvm_setup
- 这是台湾大学林智仁(Lin Chih-Jen)副教授等人开发的SVM模式识别与回归的软件包，该软件可以解决C-SVM分类、-SVM分类、-SVM回归和-SVM回归等问题，包括基于一对一算法的多类模式识别问题。-This is the National Taiwan University, Lin Zhiren (Lin Chih-Jen), associate professor, who developed SVM pattern recognition and regression of t
SVM-classifier
- 用matlab实现非线性支持向量机分类器对多类进行分类。-Using matlab to achieve non-linear support vector machine classifier for multi-class classification.
Test Class By SVM
- 支持向量机实现的文本分类程序，过程如下，首先使用分词工具分词，这里使用的是计算所的分词工具，从而保证分词是最优秀的，接下来使用国际效率最高的文本IFIDF向量生成工具生成文本相量，最后使用台湾林智恒的效率最高的SVM实现软件包libsvm实现训练和分类，可以这么说，该文本分类是同类中效率最高最准确的-text classfication source code use 3 technology.words sementation,vector gerneration,and libsvm too
LibSvmUsing(lib)SVMTutorial
- 我一直覺得 SVM 是個很有趣的東西，不過也一直沒辦法 (mostly 衝堂) 去聽林智仁老師 的 Data mining 跟 SVM 的課； 後來看了一些網路上的文件跟聽 kcwu 講了一下 libsvm 的用法後，就想整理一下，算是對於並不需要知道完整 SVM 理論的人提供使用 libsvm 的入門。-I always think that SVM is a very interesting thing, however, has been no way to (mostly red hal
SVM
- In this paper, we show how support vector machine (SVM) can be employed as a powerful tool for $k$-nearest neighbor (kNN) classifier. A novel multi-class dimensionality reduction approach, Discriminant Analysis via Support Vectors (SVDA), is in
class
- EEG signal classification by SVM
01imp_accord-svm-source
- The sample application is able to perform both Classification and Regression using Support Vector Machines. It can read Excel spreadsheets and determines the task to be performed depending on the number of the columns in the sheet. If the input table
svm-light
- svm分类的算法 速度比其他的快一点 需要再做比较 交流 希望能得到更多的资料-SVMmulticlass uses the multi-class formulation described in [1], but optimizes it with an algorithm that is very fast in the linear case
MATLAB
- MATLAB函数参考手册，查看matlab函数作用以及功能。- SVMLSPex02.m Two Dimension SVM Problem, Two Class and Separable Situation Difference with SVMLSPex01.m: Take the Largrange Function (16)as object function insteads ||W||, so it need more
SVM
- 该工具箱包括了二种分类,二种回归,以及一种一类支持向量机算法 (1) Main_SVC_C.m --- C_SVC二类分类算法 (2) Main_SVC_Nu.m --- Nu_SVC二类分类算法 (3) Main_SVM_One_Class.m --- One-Class支持向量机 (4) Main_SVR_Epsilon.m --- Epsilon_SVR回归算法 (5) Main_SVR_Nu.m --- Nu_SVR回归算法-The kit includes two
SVM-class
- 这是关于svm的java源代码，带训练集，和测试集-This is about svm java source code, with training set and test set
SVM
- 训练集：trainset(); 分别取bedroom(1:5,:)和forse(1:5,:)作为训练集； 测试集：testset(); 分别取bedroom(6:10,:)和forse(6:10,:)作为测试集； 标签集：label(); 取bedroom的数据为正类标签为1；forse的数据为负类标签为-1.(Training set: trainset (); take bedroom (1:5,) and forse (1:5,:) as the training set; Tes
SVM
- 利用三次二分类SVM实现三分类SVM，可以用自己的数据，完美运行。(Using the three-category SVM to implement the three-class SVM, you can use your own data to run perfectly.)