搜索资源列表
svm算法vc源代码
- Libsvm 3.23完全版-A program of svm based on vc code,hope to useful to friends who study on structure of the data.
libsvm-2.81
- Libsvm is a simple, easy-to-use, and efficient software for SVM classification and regression. It can solve C-SVM classification, nu-SVM classification, one-class-SVM, epsilon-SVM regression, and nu-SVM regression. It also provides an automatic
LIBSVM-multi-classification-master
- svm library using matlab
SVM
- 自己用C#写的libsvm算法，可在控制台训练和测试(the libsvm algorithm by C# programming)
svm
- libsvm回归算法使用源码与数据，使用matlab语言实现(The libsvm regression algorithm uses the source code and the data, and uses the MATLAB language to implement)
libsvm-3.21
- SVM工具箱，里面有安装说明和使用方法，非常实用，可用作回归分类。(SVM toolbox, there are installation instructions and use method, very practical, can be used as a regression classification)
libsvm-mat-2.89-3-[farutoFinalVersion]
- 利用SVM进行数据的分类实验，实现数据的分类处理(The classification experiment of data is carried out by SVM, and the classification of data is realized)
libsvm-master
- Code classification by using svm with language matlab and c++
libsvm-svmforcg
- libsvm 源码包，自带交叉验证寻优函数，可直接使用(Libsvm source code package, with cross validation optimization function, can be used directly)
libsvm-3.22
- LIBSVM是台湾大学林智仁(Lin Chih-Jen)教授等开发设计的一个简单、易于使用和快速有效的SVM模式识别与回归的软件包，他不但提供了编译好的可在Windows系列系统的执行文件，还提供了源代码，方便改进、修改以及在其它操作系统上应用；该软件对SVM所涉及的参数调节相对比较少，提供了很多的默认参数，利用这些默认参数可以解决很多问题；并提供了交互检验(Cross Validation)的功能。该软件可以解决C-SVM、ν-SVM、ε-SVR和ν-SVR等问题，包括基于一对一算法的多类模式
简单之美 _ 使用libsvm实现文本分类
- svm文本分类，简单易行，内有详细说明，可以参考(SVM text categorization, simple and easy, detailed descr iption)
LIBSVM学习笔记（二） - CSDN博客
- 安装步骤，可以参考，介绍的很详细。值得借鉴(SVM installation steps)
libsvm-3.18
- 此文件为MATLAB SVM工具箱，在使用支持向量机之前必须安装此工具箱，才能正常使用SVM的功能函数等文件。(This file is a MATLAB SVM toolkit. This toolkit must be installed before using the SVM in order to use SVM function functions and other files normally.)
Matlab-libsvm-3.20
- SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。 Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分说起，然后扩展到线性不可分的情况。甚至扩展到使用非线性函数中去，这种分类器被称为支持向量机(Support Vector Machine，简称SVM)。支持向量机的提出有很深的理论背景。 支持向量机方法是在后来提出的
libsvm-mat-2.88-1
- lib svm
PCA+SVM
- 采用经典的ORL人脸数据集，利用PCA进行进行降维，然后用SVM进行数据集的分类和训练。上传文件内包含libSVM3.2安装包(The classical ORL face dataset is used for dimension reduction by PCA, and then SVM is used to classify and train the dataset.)
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.)
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%.)
c#实现的svm完整工程，调用了c#版的libsvm
- c#实现的svm完整工程，调用了c#版的libsvm,亲测可用，强烈推荐(C# implemented SVM complete project, calling the c# version of libsvm, pro testing available, strongly recommended.)
PSO优化SVM参数
- 粒子群算法优化libsvm参数，可以自行修改，亲测可用(Particle Swarm Optimization (PSO) optimizes the parameters of libsvm, which can be modified by itself and can be used for pro-test.)