搜索资源列表
winsvm
- 支持向量机分类器(可分类文本,编的非常不错)-The uploaded Support Vector Machine (SVM) Classifier can classify text-type data well.
svm_light_multiclass.tar
- SVM Light的多分类源代码,尤其是可用来做文本分类。SVM(支持向量机)方法是目前已知的最优秀的分类方法之一。SVM不仅可以用来分类,也可以用来做回归。-SVM classification of more source code, in particular used to make text classification. Support Vector Machine (SVM) is currently the best known of the classification met
SVMcode
- 这是一个采用c++编写的用于机器学习文本分类的SVM算法的实现代码。-c prepared using machine learning for text classification of SVM codes.
winsvm
- 这是一个实现文本分类svm的程序,可以手动修改参数
MySVMLIB
- svm文本分类改进,关键词抽取(Keywords Extraction)指的是如何从一篇文档(或多篇相关文档)中自动抽取出能很好地代表文档主题的若干个词或短语。
DRAP
- 该系统能取得与SVM相当的精度,但运行速度却远远快于SVM。目前,该系统已在大规模高速数据流过滤中得到应用。在普通PC上它的过滤(分类)速度可以超过4M/秒。若用10k来估计一篇文本的长度,那么本系统每秒钟可以过滤(分类)约400篇文本。本系统的核心部分采用C++编码,界面采用VB开发平台。安装包是在VB6.0环境下使用VB自身的打包工具打包而成。安装后即可使用。
@polynomial
- VC维理论和结构风险最小化准则是统计学习理论中的重要内容,基于这一理论的支持向量机算法由于具有好的泛化性能受到重视,并被研究用于文本分类问题.基于多项式核的研究工作认为SVM的泛化能力不受多项式阶数的影响,并且能够处理很高维的分类问题,用于文本分类无需进行特征选择.研究发现,随着多项式核阶数的升高,SVM文本分类器会出现过学习现象,并且特征数越多越明显,特征选择是必需的.通过估计函数集的VC维,基于结构风险最小化理论对此问题进行分析,得出的结论跟实验结果相符.
libsvm-2.82
- svm(支持向量机)是著名的文本分类算法。libsvm是其中的一种实现的最新版本,完全开源。linux环境。
TextFilter
- 这是一个利用C#开发的文本过滤的算法, 主要包括特征提取,文本表示,和svm的过滤。算法中包括了简单的界面和使用说明。
winsvm
- 用支持向量机(svm)实现文本的自动分类系统。
svmcls
- 基于SVM的文本分类算法,有自己的语料库
textcategoraization
- svm算法的中文文本分类 找的很辛苦啊
SVMLight_vc
- 机器学习文本分类的SVM算法实现,VC++ 6.0环境下编译-A SVM algorithm for text classification in machine learning, and compiled under the Visual C++ 6.0 environment.
MKLSVM
- 用于文本分类的多核SVM算法研究.rar-MKL SVM
SVMcode
- 基于svm的机器学习文本分类方法,具有很好的借鉴意义-Svm-based machine learning text classification methods, with a good reference
NClassifier-0.1
- 基于svm-light的文本分类器。可用于文本分类等-Svm-light-based text classifier. Can be used for text classification, etc.
svm_scale
- SVM代码,适用于文本分类,为学习SVM的朋友提供一个参考,共同学习。-SVM code for text classification, the study provides a reference SVM friends, learning together
svm_train
- SVM代码,适用于文本分类,为学习SVM的朋友提供一个参考,共同学习。-SVM code for text classification, the study provides a reference SVM friends, learning together
支持向量机(Support Vector Machine, SVM)
- 支持向量机(support vector machine,SVM)是由Cortes和Vapnik在1995年提出的,由于其在文本分类和高维数据中强大的性能,很快就成为机器学习的主流技术,并直接掀起了“统计学习”在2000年前后的高潮,是迄今为止使用的最广的学习算法。(Support vector machine (support vector machine, SVM) is proposed by Cortes and Vapnik in 1995, because of its powerf
libSVM
- 利用LibSVM以及SVM模型进行文本数据分类。训练数据与测试数据都有。(Using LibSVM and SVM model to classify text data. Both the training data and the test data are available.)