搜索资源列表
gridregression
- 支持向量机，python+libsvm对锂电池的劣化程度进行预测(Support vector machines and python+libsvm for life prediction of lithium batteries)
I2CTEST
- ftdi链接库测试说明，根据芯片资料改编而成(ftid for examples wind sfgaw swacxa sfadad zxsed asodw zsadwdsaas)
libsvm-3.11
- svm,支持向量机的算法实例及数据等还有ppt,matlab平台测试(SVM, support vector machine algorithms, examples and data, as well as PPT, Matlab platform testing)
underlloh-encapsulation
- svm的实现源码,java版,和libsvm是同一系列()
libsvm-3.1-[FarutoUltimate3.1Mcode]
- test.rarmatlabceksg11111
liblinear-2.0
- Libsvm和Liblinear都是国立台湾大学的Chih-Jen Lin博士开发的，Libsvm主要是用来进行非线性svm 分类器的生成，提出有一段时间了，而Liblinear则是去年才创建的，主要是应对large-scale的data classification，因为linear分类器的训练比非线性分类器的训练计算复杂度要低很多，时间也少很多，而且在large scale data上的性能和非线性的分类器性能相当，所以Liblinear是针对大数据而生的。(Libsvm and Libli
SVM-分两类
- 可实现数据的分类和预测，共有两种分类方法，两种预测方法(It can realize the classification and prediction of data. There are two kinds of classification methods and two prediction methods)
libsvm-3.1-[FarutoUltimate3.1Mcode]
- 态势要素获取作为整个网络安全态势感知的基础，其质量的好坏将直接影响态势感知系统的性能。针对态势要素不易获取问题，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化获取框架中，利用主成分分析(PCA)对训练样本属性进行约简并对特殊属性编码融合处理，将其结果用于优化概率神经网络(PNN)结构，降低系统复杂度。以PNN作为基分类器，基分类器通过反复迭代、权重更替，然后加权融合处理形成最终的强多分类器。实验结果表明，该方案是有效的态势要素获取方法并且精确度达到95.53%，明显优于
libsvm-3.17
- 为了真实有效地提取网络安全态势要素信息，提出了一种基于增强型概率神经网络的层次化框架态势要素获取方法。在该层次化态势要素获取框架中，根据Agent节点功能的不同，划分为不同的层次。利用主成分分析(Principal Component Analysis, PCA)对训练样本属性进行约简并对特殊属性编码融合处理，按照处理结果改进概率神经网络(Probabilistic Neural Network, PNN)结构，以降低系统复杂度。然后以改进的PNN作为基分类器，结合自适应增强算法，通过基分类器反
libsvm-3.12
- 多种语言版的支持向量机工具箱，matlab，python，c++，c，java，qt(Multi language version of support vector machine toolbox, MATLAB, python, c++, C, Java, QT)
libsvm-3.12
- libemd算法，源程序代码，可以下载直接用(Libemd algorithm source program code, can be downloaded directly)
Colorhist_Libsvm_dem
- 随着科学技术的飞速发展，机器学习与人工智能技术的不断创新，人们对特定信息检索的需求逐渐增加，使得如何对资源进行合理有效的分类成为一个关键问题。近几年来，基于内容的图像分类的研究焦点主要集中在自然图像的场景分类和物体分类两个方面，大多采用有监督学习方法，通过对底层特征建模和中间语义分析来实现分类。 本文基于Libsvm的图像分类研究及实现，主要针对的是物体分类这一方面，选用了五类水果作为分类研究的对象。对图像进行分类的大体步骤主要包括采集图像样本（主要从Web上获取）、图像预处理（如截成大小一致
SVM_GUI_3.1[mcode]{by faruto}
- SVM-GUI，可用于光谱数据分类和回归(SVM-GUI can be used for classification and regression of spectral data)
参考文献
- 支持向量机算法，libsvm，可以建模仿真(SVR libsvm-3.1-[FarutoUltimate3.1Mcode])
支持向量机算法包
- SVR libsvm-3.1-[FarutoUltimate3.1Mcode](libsvm-3.1-[FarutoUltimate3.1Mcode])
变延迟参数
- 延迟参数libsvm-3.1-[FarutoUltimate3.1Mcode](libsvm-3.1-[FarutoUltimate3.1Mcode])
变嵌入维数
- 变维数libsvm-3.1-[FarutoUltimate3.1Mcode](libsvm-3.1-[FarutoUltimate3.1Mcode])
Data
- osu-svm是一个基于libsvm的matlab工具箱,分为c-svm和nu-svm,本质上差不多,c-svm中c的范围是1到正无穷,nu-svm中nu的范围是0到1,nu是错分(ComputeSampEnSVM_Toolbox\osu_svm3.00\cmap.mat SVM_Toolbox\osu_svm3.00\Contents.m SVM_Toolbox\osu_svm3.00\demo\c_clademo.m SVM_Toolbox\osu_svm3.00\demo\c_
libsvm.net-master
- SVR学习资源，用以建立C#引用的SVR(SVR learning resources to build C# referenced SVR)
libsvm-3.20
- 分类算法 支持向量机 可以用来进行分类 matlab格式的(Support Vector Machine)