当前位置：
首页 资源下载
搜索资源 - pattern recognition SVM
搜索资源列表
-
0下载：
SVM分类器，用于对多维采样点进行分类。可根据类别数修改分类器，我们的模式识别作业。-SVM classifier, multi-dimensional sampling points used for classification. Can be modified according to the number of classification categories, and our pattern recognition operation.
-
-
0下载：
模式识别中的入侵检测算法1，不错的内容啦-pattern recognition of an intrusion detection algorithm, as well--
-
-
0下载：
这是一个很好的支持向量机工具箱，它可用于模式识别，图像识别，文字识别，语音识别和手写体识别等领域。-This is a very good support vector machine toolbox, it can be used for pattern recognition, image recognition, text recognition, speech recognition and handwriting recognition and other fields.
-
-
0下载：
MATLAB中应用支持向量肌（SVN）神经网络对模式识别处理-MATLAB Application of Support Vector muscle (SVN) neural network for pattern recognition processing
-
-
0下载：
这是在模式识别中常用的一个分类器，不过这是一个线性2分类问题，对于多分类问题，可以直接转化~-This is commonly used in pattern recognition, a classifier, but this is a linear 2 classification for multi-classification problems, can be directly translated into
-
-
0下载：
模式识别基本方法matlab源代码，包括最小二乘法、SVM、神经网络、1_k近邻法、剪辑法、特征选择和特征变换。-Basic method of pattern recognition matlab source code, including the least squares method, SVM, neural network, 1_k neighbor method, editing method, feature selection and feature transformatio
-
-
0下载：
选用支持向量机作为区分文本与非文本的分类器，支持向量机是在统计学习理论基础上发展起来的新一代学习算法，它在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。-Use support vector machine as the distinction between text and non-text classifier, support vector machine is in statistical learning theory developed on the basis of
-
-
0下载：
利用vc编写的支持向量机分类问题的smo源代码,参考Vapnik的文章写的，主要用途是分类.-This is the complete SMO code in SVM for pattern recognition.
-
-
1下载：
模式识别中常用的算法，有感知机算法，支撑矢量机算法和LS算法，并附有实验报告，源程序！-Commonly used pattern recognition algorithms, has perceptron algorithm, support vector machine algorithm and the LS algorithm, along with lab reports, source code!
-
-
0下载：
LIBSVM的JAVA版源代码，LIBSVM是一个简单、易于使用和快速有效的SVM模式识别与回归的软件包-LIBSVM the JAVA version of the source code, LIBSVM is a simple, easy to use and fast and efficient SVM pattern recognition and regression of the package
-
-
0下载：
支持向量机的研究现已成为机器学习领域中的研究热点，其理论基础是Vapnik[3]等提出的统计学习理论。统计学习理论采用结构风险最小化准则，在最小化样本点误差的同时，缩小模型泛化误差的上界，即最小化模型的结构风险，从而提高了模型的泛化能力，这一优点在小样本学习中更为突出。SVM理论正是在这一基础上发展而来的，经过十几年的研究和发展，已开始逐步应用于一些领域。在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已经在模式识别、函数逼近和概率密度估计等方面取得了良好的效果。- Support
-
-
0下载：
支撑向量机它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。-Support vector machine to solve it in a small sample, nonlinear and high dimensional pattern recognition performance of the many unique advantages, and to promote the use of the function fitt
-
-
0下载：
模式识别与智能计算的一个基于matlab运行的识别分类软件，聚集了模糊聚类，SVM，神经网络等各种流行的分类算法于一体，便于比较测试数据在不同分类算法下的分类效果-Pattern Recognition and Intelligent Identification and Classification of the calculation to run a matlab software, gathered a variety of popular fuzzy clustering, SVM,
-
-
0下载：
有关模式识别的工具箱的使用，在c开发环境下，有关模式识别的一些算法，也可以用于SVM等算法功能实现-The pattern recognition toolbox use, in c development environment, the pattern recognition of some of the algorithm, can also be used for SVM) functions
-
-
1下载：
自动化学院模式识别课件，SVM算法，几何分类器专题，智能模式识别-Courseware automation institute of pattern recognition, the SVM algorithm, geometrical classifier project, intelligent pattern recognition
-
-
0下载：
模式识别相关文章，包括SVM与BP神经网络的相关识别研究与进展-Pattern recognition related articles, including related research and development of SVM Recognition and BP neural network
-
-
3下载：
将支持向量机（SVM）用于模式识别，解决二分类问题，程序中包含训练集和测试集。(The support vector machine (SVM) is used for pattern recognition to solve the dichotomy problem, which includes training set and test set.)
-
-
0下载：
支持向量机模式识别教程
教程首先介绍了VC维和结构风险最小化的概念。然后，我们描述线性可支持向量机（SVM）的可分离和不可分离的数据，通过一个不平凡的例子详细。我们描述了一个机械类比，并讨论当SVM解决方案是唯一的，当它们是全球性的。我们描述了如何实现支持向量机训练，并详细讨论了用于构造数据非线性的SVM解决方案的核心映射技术。(A Tutorial on Support Vector Machines for Pattern Recognition)
-
-
0下载：
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。(It is a common discriminant method. In machine learning, it is a supervised learning model, usually used for pattern recognition, classification and regression an
-
-
0下载：
pattern recognition using fractal lacunarity and svm
-
