搜索资源列表
gp425win32
- 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 -Easy to use, fast and effective generic SVM software package can solve the classification problems (including the C-SVC, n- SVC), regression (inclu
LS-SVMlab1.5
- 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-SVM software package can solve the classification problems (including the C-SVC, n- SVC), regression (including e- SVR, n- SVR) as well as the distribution of estim
svm
- 大师编写的支持向量机程序,我用了觉得还可以,包括分类和回归.-the process of support vector machine for regression and classification
svm
- 支持向量机(SVM)是数据挖掘中的一个新方法，能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题，并可推广于预测和综合评价等领域，因此可应用于理科、工科和管理等多种学科-Support vector machine
webcat
- 这是一个100 ％纯Java库，您可以使用适用于N元 分析技术的过程分为文本文件。 该计划包括几个不同的分类算法， namelly 支持向量机，贝叶斯Logistic回归，神经网络分类和文本压缩 算法。如支持向量机和贝叶斯Logistic回归，一个 “一对一” 用于多类分类。更详细的说明这些学习算法和可用的选项，请提供的javadocs 。-It is a 100 pure Java library that you can use to apply N-Gr
svm_light6.02.tar
- 最新的SVM源码，用于数据分类或回归，效果优于神经网络。C的源代码，请尽量在Linux或者Unix下编译。-Source code of SVM in C. SVMlight is an implementation of Support Vector Machines. It solves classification ,regression problems and ranking problems.Please compile it under Linux or Unix.
SVMregression
- 用MATLAB编写的svm支持向量机的分类,回归工具箱- MATLAB codes of support vector machine svm classification, regression Toolbox
SVMNR
- 支持向量机和BP神经网络虽然都可以用来做非线性回归，但它们所基于的理论基础不同，回归的机理也不相同。支持向量机基于结构风险最小化理论，普遍认为其泛化能力要比神经网络的强。为了验证这种观点，本文编写了支持向量机非线性回归的通用Matlab程序和基于神经网络工具箱的BP神经网络仿真模块，仿真结果证实，支持向量机做非线性回归不仅泛化能力强于BP网络，而且能避免神经网络的固有缺陷——训练结果不稳定。 -Support Vector Machine and BP neural network, ev
libsvm-2.9
- SVM是一种比较新比较流行的算法，常常用在分类问题和回归问题上。 SVM方法的VC实现，libsvm源码-SVM is a relatively new algorithm is more popular, often used in classification and regression issues. SVM method VC implementation, libsvm source
generalBT
- SVM是一种比较新比较流行的算法，常常用在分类问题和回归问题上。 libsvm相关的matlab代码-SVM is a relatively new algorithm is more popular, often used in classification and regression issues. libsvm-related matlab code
Supportvectorregressionalgorithmbasedonsingleparam
- 在数据库中看到的一篇关于SVM回归的算法 希望对大家有帮助-In the database to see a return on the SVM algorithm we want to help
svm
- 统计学习理论中提出的支撑向量机回归(SVR)遵循了结构风险最小化原则,从而避免了一味追求经验风险最小化带来的弊端-Statistical learning theory proposed by the support vector machine regression (SVR) to follow the structural risk minimization principle, thus avoiding the blind pursuit of Empirical Risk Minim
CorrectCarNoImageAndRegnize
- 一种车牌图像校正新方法 【摘要】因摄像机角度而造成的机动车牌图像倾斜会对其后继的字符分割与识别带来不利的影响。本文在分析了车牌倾斜模式的基础上,提出了一种基于最小二乘支持向量机（LS-SVM）的车牌图像倾斜校正新方法。通过LS-SVM线性回归算法求取坐标变换矩阵并对畸变图像进行旋转校正。主要方法：首先,将二值倾斜车牌图像中的像素转换为二维坐标样本,并构造图像数据集 再通过LS-SVM线性回归算法对该数据集进行回归,求取主要参数 最后,再由该参数转换为能反映图像倾斜方向的2维坐标变换矩阵。实验
Libsvm2.32
- libsvm的是一个简单，易于使用和高效的软件的SVM 分类与回归。它可以解决ç - SVM分类， 努SVM分类，一类支持向量机，ε- SVM的回归， 和Nu - SVM的回归。本文件解释了libsvm的使用。-Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It can solve C-SVM classification,
GRNN
- 泛化回归神经网络GRNN(generalized regression NN)应用实例，适合学习使用。-Generalized regression neural network GRNN (generalized regression NN) application examples for learning to use.
SMO-code
- smo算法是与svr（支持向量机回归）和svc（支持向量机分类）具有相似数学形式，并在此基础上提出的一种用于SVR的简化算法。-smo algorithm is svr (support vector machine regression) and svc (SVM) with similar mathematical form, and puts forward a simplified algorithm for SVR.
svm
- SVM方法的基本思想是：定义最优线性超平面，并把寻找最优线性超平面的算法归结为求解一个凸规划问题。进而基于Mercer核展开定理，通过非线性映射φ，把样本空间映射到一个高维乃至于无穷维的特征空间（Hilbert空间），使在特征空间中可以应用线性学习机的方法解决样本空间中的高度非线性分类和回归等问题。svm 程序，即支持向量机的代码。-The basic idea of SVM method are: the definition of the optimal linear hyperplane,
SVM-REGRESSION
- 一篇关于支持向量机回归算法的研究与应用，较详细的介绍了有关支持向量机的原理和使用方法。-intrudce the principle of SVM regression and the method of using it.
svm_1
- 此程序是模拟SVM的性能，通过一个确定区域离散点，作为输入样本，用svm进行训练，然后在此输入区域中所有的点，进行判断，这个是演示的是svm 回归-This procedure is to simulate the performance of SVM, through a defined area of discrete points as input samples, with the svm training, and then enter all the po
svm_matlab_gui
- 支持向量机matlab工具箱（含资料及gui模式）用于分类和回归预测-SVM matlab toolbox (including information and gui mode) for classification and regression