搜索资源列表
一种增量式支持向量机文本分类模型
- 一种增量式支持向量机文本分类模型-an incremental SVM text classification model
分类算法
- 最小二乘支持向量机分类
SVM数据分类预测
- 包含程序和试验数据，已进行MATLAB试运行。可以实现支持向量机对数据进行分类的功能。并进行了案例扩展，讨论了数据归一化对支持向量机的分类结果的影响，讨论了核函数对分类结果的影响。
支持向量机的分类
- 基于IDL编写的用于遥感影像的分类，采用的分类方法为支持向量机。
支持向量机算法及其代码实现
- 支持向量机（SVM），起初由vapnik提出时，是作为寻求最优（在一定程度上）二分类器的一种技术。後来它又被拓展到回归和聚类应用。SVM是一种基于核函数的方法，它通过某些核函数把特征向量映射到高维空间，然後建立一个线性判别函数（或者说是一个高维空间中的能够区分训练数据的最优超平面，参考异或那个经典例子）。假如SVM没有明确定义核函数，高维空间中任意两点距离就需要定义。
SVM.VC实现的中文文本分类器
- 一种使用VC实现的中文文本分类器,实现了支持向量机,一种使用VC实现的中文文本分类器,实现了支持向量机
ocksvm
- 用超球面支持向量机进行多类分类,每个超球面覆盖一个类-Hypersphere support vector machines using multi-class classification
HSVM
- java实现的支持向量机分类，可用于教学以及交流-java realization of support vector machine classification, can be used for teaching as well as the exchange of
svdd
- 超球面支持向量机，一种构建超球面来进行分类的单类svm -Ultra-spherical support vector machine, a super-spherical to build a single-category classification SVM
SVM
- 支持向量机的MATLAB实现，能自动完成数据的分类功能。-MATLAB support vector machines to achieve, can auto-complete the classification of functional data.
svm_v0.55
- 支持向量机分类，可用于人工智能，模式识别，数据挖掘，时间序列预测-Data aggregation processing
LS-SVMlab1.5
- 支持向量机，用于图像分类分割，目标检测识别,人工智能信息处理-support vector machine has been widely used in classification and object identification.
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
LS_SVMlab
- 基于matlab的分类支持向量机，对于初学者比较有帮助。-Matlab-based classification of support vector machines, more helpful for beginners.
SVDA
- 基于支持向量机分类算法，经试验效果不错，取得了很好的分类效果-Classification algorithm based on support vector machine, after test results, well, and achieved very good classification results
SVMcg
- 用matlab实现支持向量机分类算法，通过对数据进行测试训练来进行分类-Using matlab implementation support to the classification algorithms to data, through testing and training to categorize
levmar-2.4
- unix下开发的多分类支持向量机的源程序，程序应用很灵活，编译后即可使用。-unix developed under the multi-class Support Vector Machine source, the program application is very flexible and can be used after compilation.
支持向量机的相关简介
- 支持向量机主要解决了分类问题和回归问题两大类
基于支持向量机的图像分类
- classifier.mat文件太大未上传。可运行一次main3生成 getFeatures.m 获取灰度共生矩阵相关特征 main-main6 训练 + 识别 predict.m 单独的分类程序 temp.m 单独的分类演示程序(classifier.mat file is too large to upload. Can run a main3 to generate getFeatures.m Get the grayscale co-occurrence matrix rel
支持向量机算法
- 能够实现二分类的支持向量机matlab程序，例子较为全面