搜索资源列表
SVM-iris
- 本人用matlab编写的支持向量机的程序，在数据集iris上进行实验，识别效果不错-I have written in with support vector machine matlab program, in experiments on the iris data set, identify good results
Iris_datas_for_SVM
- 鸢尾属植物数据集 支持向量机训练用数据 用excel录入的 数据来源《数据挖掘中的新方法——支持向量机》一书附录D SVM Iris -Iris data sets for SVM training
SMOSVM
- 用于svc分类， 用SMO实现SVC，并在UCI数据集Iris上进行实验,2. 可借鉴现成SVM软件包，实现回归分析。 -For svc classification, using SMO to achieve SVC, and in the UCI Iris data set on the experiment, 2. SVM can learn ready-made packages, to achieve regression analysis.
c_mean
- 基于SVM的数据分类，通过IRIS数据进行验证，效果分类准确-SVM-based data classification, through the IRIS data validation, classification accuracy results
IrisSVMmulticlassall
- 利用M-SVM 对Iris数据及进行分类-The use of M-SVM and the classification of Iris data
svm_plot_iris
- this python code implement an SVM algorithm which is used in plot iris source data .
SVMclassification
- SVM Classification of Iris data set
Matlab_SVM
- SVM算法实现+数据 (要用到一些包，按照代码里面的import到网站下就行） 1.读取数据：在Matlab中调用textread可读取UCI数据集，这里读取的文件是iris.data，因为文件中以逗号为分隔符，所以还要在读取方法中添加参数“‘delimiter’，‘，’”，从而在读数据的时候自动跳过分隔符。 2.调用cvx工具箱中的方法：首先需要下载cvx工具箱的压缩文件，在其目录下运行cvx_setup指令，然后调用其方法，以cvx_begin开头，cvx_end为终止符号，所有需
模式识别代码
- 基于matlab的Iris、乳腺癌数据集的模式识别分类算法，含有 遗传算法+SVM、isodata、感知器算法、LMSE、神经网络等算法的实现代码，用于聚类效果良好，是模式识别大作业的参考资料(The pattern recognition classification algorithm based on MATLAB for Iris and breast cancer data sets contains the implementation code of genetic algorit
S_SVM
- 在matlab平台上使用SVM对iris数据集进行分类(use SVM Classification of Iris data set in matlab)
SVM_tensorflow-master
- SVM通过tensorflow训练iris数据集，寻找最优参数，使误差最小化(SVM trains iris data set through tensorflow to find the optimal parameters and minimize the error.)
量子行为的粒子群算法-SVM
- 改进量子粒子群算法，用于优化支持向量机参数，用IRIS数据验证(An improved quantum particle swarm optimization (QPSO) algorithm is used to optimize the parameters of support vector machine (SVM), which is validated by IRIS data.)
svm
- 利用支持向量机，对鸢尾花数据集进行分类。(Support vector machine is used to classify iris data set.)
svm分类鸢尾花数据集
- Three classifications of iris data using SVM based on Anaconda