搜索资源列表
html-extractor
- 发布一个HTML正文提取程序HTMLExtractor, 程序主要是基于内容统计的方法,暂不包含自学习能力,仅是 一个分析程序而以,网上也有别人实现了的正文提取程序,不过 大部人都当宝,都不愿意公开完整代码,有些大人实现了一些简 单的,不过分析能力和识别能力都不太理想。所以自己做了一个 简单的,本来想用PHP DOM分析器,不过大部份网页都不规范, 缺个标签啥的都很正常,所以自已又造了个简单的轮子分析HTML标 签,功能比较简单,每个元素都生成一个对象,内存方面占用比
SVMCode
- SVM是一种基于统计学习理论的机器学习方法,它是由Boser,Guyon, Vapnik在COLT-92上首次提出-SVM is based on statistical learning theory, machine learning methods, it is by Boser, Guyon, Vapnik in COLT-92 was first proposed on
libsvm
- 支持向量机以统计学习理论作为坚实的理论依据,借助优化方法解决及其学习的一种新工 具.近年来,支持向量机受到人们的广泛关注,在理论研究和算法实现方面都有了很大的突 破,成为现代机器学习的热点课题.-Support vector machine(SVM)is a new approach that can solve machine learning problem with optimization methods. In recent years,there has been a s
111
- 支持向量机(Support Vector Machines,简称SVM)是在统计学习理论基础上发 展起来的一种新的通用学习方法,它已初步表现出很多优于已有方法的性能。-SVM (Support Vector Machines, referred to as SVM) is based on statistical learning theory developed a new universal learning method, which has been initially show a
Face-detection
- 人脸检测,是一篇较好的综述论文。系统地整理分析了人脸检测问题的研究文献, 将人脸检测方法主要划分为基于知识的人脸验证方法和基于统计的学习方法-Face detection is a good review paper. Systematically and analyzed the problem of face detection research literature, the face detection methods into knowledge-based face authenti
SVM
- 本书介绍的支持向量机方法,是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以期获得最好的推广能力 。-This book introduces the support vector machine method is based on statistical learning theory, VC dimension and structural risk mi
pattern-recognition
- 模式识别的内容,包括模式识别的基本概念、模式识别方法及应用。具体的内容包括:正则化网络、Bayes决策理论、分类器组合、统计学习理论、概率密度估计、非监督学习方法-Pattern recognition, including the basic concepts of pattern recognition, pattern recognition methods and applications.Specific content, including: Regularization Netwo
OK
- 单词学习软件单词(中英文)录入、修改、删除管理、提供多种(至少三种,例如,给出英文选中文,给出中文写英文等)单词学习方法,对出错单词能够进行查询、统计、排序。-Word learning software word (in English) entry, modify, delete, management, and provide a variety of (at least three, for example, given the English selected Chinese are
SVM_GUI_3.1[mcode]{by-faruto}
- 支持向量机SVM(Support Vector Machine)作为一种可训练的机器学习方法,依靠小样本学习后的模型参数进行导航星提取,可以得到分布均匀且恒星数量大为减少的导航星表。 基本情况 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
svm
- 支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,很不错的程序-Support vector machine (SVM) method is based on statistical learning theory of VC dimension theory and structure risk minimum principle, on the basis of good programs
PS0-SVR
- 支持向量机是建立在统计学习理论基础上的通用学习方法,它可较好地解决以往 很多学习方法的小样本、非线性、过学习、高维数、局部极小点等实际问题。笔者利用支持向量回归理论 和方法,建立支持向量机的预测模型,并利用winSVM 和MATLAB 软件进行了实例预测,与二次回归 预测值相比较,支持向量机预测模型具有更好的预测精度,且有很强的推广能力。-Support vector regression data
LS-SVMlab1.5
- LMS 优化支持向量机 支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以求获得最好的推广能力 。-LMS Support Vector Machine optimization SVM method is based on the VC dimension theory and structural risk minimization prin
Statistical-Learning-
- 本书是关于语音活动检测新方法的期刊,文中提出了统计学习理论-This book is about a new voice activity detection method of journals, this paper put forward the statistical learning theory
mani
- 数据降维工具,包括统计方法和流形学习方法-Data reduction tools, including statistical methods, and manifold learning method
PCA
- PCA基于Iris数据集,用于统计学习作业。是非常好用且鲁棒的方法。有利于学习统计学习PCA和matlab。-PCA based on Iris data set, used in statistical learning assignments.It is very convenient and robust method.Is advantageous to the study of statistical learning PCA and matlab.
ls_svr
- 最小二乘支持向量机是基于统计学习对小样本、非线性建模的一种完善的方法,本算法,实现了最小二乘支持向量机的回归问题的应用-LSSVM are based on small samples statistical learning, a well-established method of nonlinear modeling of this algorithm, the least squares support vector machine regression Application
An Introduction to Statistical Learning
- 本书讲述了统计学习的基本方法,适合统计学习的初学者(Statistical learning)
eyksti043
- SVM分类器的实现原码,SVM是一类基于统计学习理论的模式识别方法()
论文
- 20世纪90年代,贝尔实验室的Vapnik教授第一次提出支持向量机(Support VectorMachine,SVM)的理论与基本概念。SVM方法一种基于统计学习理论(Statistical Learning Theory)的机器学习方法,它以结构风险最小化原则代替经验风险最小化原则,同时结合了机器学习、统计学习以及神经网络等方法[53]。它能够有效的提高算法的泛化能力,解决了小样本、非线性和维数高等难题,并且能够克服传统神经网络等学习算法中网络结构难以确定、收敛速度慢及训练时需要大量数据样本
catih-norGUI
- SVM分类器的实现原码,SVM是一类基于统计学习理论的模式识别方法()