搜索资源列表
文字识别程序
- 目前该手写体识别系统主要分为 预处理模块： 主要包括训练数据和识别数据的读取，归一化，二值化 特征提取模块：主要包括笔划方向特征和网格密度特征，还可以根据对识别率的要求继续增加其他特征 识别（分类器）模块：主要包括SVM方法和BP神经网络的方法，其中SVM方法的识别率较高，SVM＋网格密度特征， 在小字符集情况下，达到了识别率97％以上 采用OO思想编写，适合做二次开发-currently the handwriting recognition system consists of pretre
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_windows
- 一个SVM训练工具，能够快速对训练集训练，给出分类判别函数。-a training tool, the rapid training of the training set, the classification given discriminant function.
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)
python_self
- 实现了机器学习的各种分类算法，如：knn，svm，朴素贝叶斯，神经网络，决策树等。(Various classification algorithms of machine learning, KNN, SVM, naive bayes, neural network, decision tree, etc.)
libsvm-mat-2[1].89-3[FarutoUltimate3.0Mcode]
- 一般的支持向量机只支持二分类，使用libsvm可以实现多分类，原理也是基于二分类，然后在使用投票机制，经测验，libsvm的分类精度可达85%以上(Multi class supported by libsvm,after testing, the classification accuracy can reach 85%.)
large_scale_svm_class
- large_scale_svm_class二分类和多分类的源码，可以直接调用。非常方便
pca
- 做降维处理，做分类，非常好的数据集合，可以用于一般的数据清晰(Decomposition is a very interesting great name and it is very very very good , so you will use it)
data
- 数据单一分类，svm和lstm两种，可以简单用于测试(data classification)
DE
- DE+SVM的简单实现，通过准确率来优化SVM的参数，从而提高分类准确率(The simple implementation of DE+SVM optimizes the parameters of SVM through the accuracy, so as to improve the classification accuracy)
carplate
- 首先对车牌识别系统的现状和已有的技术进行深入的研究，然后开发出一个基于 Python 的车牌识别系统，文中先对车辆图像进行高斯去噪、灰度化和边缘检测等预处理方法，然后用颜色特征和形态特征相结合的方法来确定车牌位置，用彩色分割法来完成车牌分割，最后，运用 SVM 分类训练器完成字符识别并使用Python 软件环境进行车牌识别的仿真实验。(License plate recognition based on SVM)
ga_aco_opt_on_anfis_svm-master
- 利用遗传算法、蚁群算法、PSO等对SVM模型进行优化，实现高效分类和回归预测(The SVM model is optimized by genetic algorithm, ant colony algorithm and PSO to achieve efficient classification and regression prediction.)
mtsvm
- 多分类孪生支持向量机,主体是-1 1的2分类孪生支持向量机，采用onevsone改编成多分类的孪生支持向量机(multi classification twin support vector machine, kernel code is binary-classification twin support vector machine ,constructed it as a multi classification twin support vector machine by using O
svm支持向量机图像分类
- 通过支持向量机机器学习算法，实现对不同状态图像的分类，是非常好的方法。
ml_homework_1
- 此代码使用python中的sklearn实现了对uci中spambase垃圾邮件数据集的分类(This code uses sklearn in Python to realize the classification of spam dataset in UCI)
svm多分类
- 用于svm多分类，值得学习，可以尝试运行，修改后使用。
支持向量机算法可视化实现
- 项目文件分为src和data两部分，src文件夹下存放源码，data文件夹下存放样本数据和生成的结果文件。 项目中含有RBF SVM分类算法，可视化界面上分别有对应算法的训练和结果展示按钮，通过按钮可以触发模型训练和可视化效果呈现。 项目运行过程中，会有一些日志打印出来。 详见内部说明文档
GA_SVM
- 利用GA遗传算法优化参数 并利用支持向量机分类或者回归计算(Use GA genetic algorithm to optimize parameters and use support vector machine for classification or regression calculation)
逻辑回归
- 根据标签，完成SVM下的多分类数据识别，数据可以是字符或者信号，可以达到较高的识别精度(The multi-classification data recognition under SVM was completed)
基于svm的滚动轴承故障诊断
- 使用SVM算法对不同模式的滚动轴承故障进行分类