没有合适的资源?快使用搜索试试~
我知道了~
文库首页
课程资源
专业指导
svm核函数及参数优化
svm核函数及参数优化
共12个文件
m:8个
zip:2个
mat:1个
svm分类
需积分: 50
86 下载量
49 浏览量
2015-11-22
17:04:47
上传
评论
7
收藏
3.97MB
ZIP
举报
温馨提示
立即下载
svm核函数及参数优化,实现多类分类并进行参数优化
资源推荐
资源详情
资源评论
GA_SVM.zip_MATLAB的GA_SVM_ga 核参数_gamma_ga优化svm_惩罚参数C
浏览:11
5星 · 资源好评率100%
GA优化算法优化支持向量机的惩罚参数c和核函数的gamma。
SVM参数优化_提升分类器的性能_GA_PSO_matlab
浏览:96
5星 · 资源好评率100%
【达摩老生出品,必属精品,亲测校正,质量保证】 资源名:SVM参数优化_提升分类器的性能_GA_PSO_matlab 资源类型:matlab项目全套源码 源码说明: 全部项目源码都是经过测试校正后百分百成功运行的,如果您下载后不能运行可联系我进行指导或者更换。 适合人群:新手及有一定经验的开发人员
电气代码:026SVM用于分类时的参数优化,粒子群优化算法,用于优化核函数的c,g两个参数(SVM PSO).zip
浏览:89
电气代码:026SVM用于分类时的参数优化,粒子群优化算法,用于优化核函数的c,g两个参数(SVM PSO).zip
SVM的参数优化问题
浏览:114
SVM的参数优化问题,对比随机参数与优化后的参数对网络性能的影响
svm核函数及参数优化.zip
浏览:111
svm核函数及参数优化.zip
一种有效的SVM参数优化选择方法
浏览:130
一种有效的SVM参数优化选择方法支持向量机(support vector machines,SVM) 是在统计学习理论的基础之上发展起来的新一代 机器学习算法
理解SVM核函数和参数的作用
浏览:35
5星 · 资源好评率100%
支持向量机(SVM)在很多分类问题上曾经取得了当时最好的性能,使用非线性核的支持向量机可以处理线性不可分的问题。仅仅通过一个简单的核函数映射,就能达到如此好的效果,这让我们觉得有些不可思议。核函数过于抽象,在本文中,SIGAI将通过一组实验来演示核函数的有效性,并解释支持向量机各个参数所起到的作用,让大家对此有一个直观的认识。如果要了解SVM的理论,请阅读我们之前的公众号文章“用一张图理解SVM的
matlab SVM的参数优化——如何更好的提升分类器的性能
浏览:170
4星 · 用户满意度95%
利用matlab对SVM算法的参数进行优化,从而更好的提升分类性能
PSO优化SVM参数
浏览:79
PSO优化SVM参数 PSO优化SVM参数 PSO优化SVM参数 PSO优化SVM参数
支持向量机SVM和核函数的matlab程序代码--完整
浏览:108
5星 · 资源好评率100%
支持向量机SVM和核函数的matlab程序代码--完整,调试过的有效的程序
svm.rar_MATLAB中的SVM_SVM参数_svm优化_svm参数优化_参数优化
浏览:30
SVM神经网络中的参数优化---提升分类器性能
SVDDcg.rar_SVDD参数优化_SVM_c g 参数_svm参数优化_优化SVM
浏览:28
SVDD参数C和g的网格优化,根据faturo大神的SVM参数优化改编
SVM.zip_SVM 优化_SVM参数_svm优化_svm参数优化_优化SVM
浏览:93
svm神经网络中的参数优化---提升分类器性能
PSO-SVM.rar_SVM 优化_pso svm_psoSVM_svm参数优化_参数优化
浏览:88
用PSO优化SVM参数,提升分类器效能。
svm参数优化及相关优化算法代码.zip
浏览:186
svm参数优化及相关优化算法代码 svm参数优化及相关优化算法代码!svm参数优化及相关优化算法代码
灰狼优化算法GWO优化SVM支持向量机惩罚参数c和核函数参数g,有例子,易上手,简单粗暴,替换数据即可,分类问题 仅适应于wi
浏览:147
灰狼优化算法GWO优化SVM支持向量机惩罚参数c和核函数参数g,有例子,易上手,简单粗暴,替换数据即可,分类问题。 仅适应于windows系统
SVM案例参数优化
浏览:79
在案例12中我们采用SVM来做分类预测,达到了较满意的结果,但用SVM做分类预测时需要调节相关的参数(主要是惩罚参数c和核函数参数g)才能得到比较理想的预测分类准确率,那么SVM的参数该如何选取呢?有没有最佳的参数呢?采用cross validation的思想可以在某种意义下得到最优的参数,可以有效的避免过学习和欠学习状态的发生,最终对于测试集合的预测得到较理想的准确率.采用实例验证表明,用cro
基于优化算法的核函数参数选择的研究
浏览:190
基于优化算法的核函数参数选择的研究,用于svm核参数的选取
基于IPSO的混合核函数SVM参数优化及应用 (2009年)
浏览:49
针对混合核函数支持向量机(SVM)在建模中的重要参数值选择问题,提出利用具有较强全局搜索能力的改进粒子群优化算法,对混合核函数SVM建模过程中的重要参数进行优化调整,给出应用该方法的具体步骤,通过仿真实验验证该算法的有效性。该方法用于谷氨酸发酵过程的建模研究,取得了较高建模精度。
SVM神经网络中的参数优化---提升分类器性能
浏览:5
对SVM神经网络进行参数优化,从而显著提高分类器性能MATLAB代码
SVM参数优化程序(MATLAB)
浏览:16
4星 · 用户满意度95%
本程序有算例分析,详细介绍了三种优化SVM方法:遗传算法、PSO、网格搜索法
Python中使用支持向量机SVM实践
浏览:37
在机器学习领域,支持向量机SVM(Support Vector Machine)是一个有监督的学习模型,通常用来进行模式识别、分类(异常值检测)以及回归分析。 其具有以下特征: (1)SVM可以表示为凸优化问题,因此可以利用已知的有效算法发现目标函数的全局最小值。而其他分类方法都采用一种基于贪心学习的策略来搜索假设空间,这种方法一般只能获得局部最优解。 (2) SVM通过最大化决策边界的
SVM实现负荷预测,其中包含基本SVM,PSO优化SVM,改进SVM三种方法
浏览:166
简单易读的SVM负简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法荷预测实验,并包含PSO、改进PSO等多种方法
核函数的参数选择_邱潇钰
浏览:36
核函数的参数选择_邱潇钰,可用于核函数的学习。
Python机器学习之SVM支持向量机
浏览:196
主要为大家详细介绍了Python机器学习之SVM支持向量机,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
用PSO优化LSSVM的参数,pso-svm,matlab
浏览:155
3星 · 编辑精心推荐
据集源自意大利葡萄酒种类的数据
improve-performance-of-classifie.rar_svm 分类_svm参数优化_优化SVM_分类器 ma
浏览:146
SVM神经网络中的参数优化---提升分类器性能
ga_SVM_1.rar_SVM_svm 遗传算法_svm-GA特征选择_svm参数优化
浏览:11
5星 · 资源好评率100%
结合遗传算法和SVM,实现特征选择和SVM参数优化同时进行
用PSO优化LSSVM的参数,pso-svm,matlab源码.zip
浏览:131
用PSO优化LSSVM的参数,pso-svm,matlab源码
收起资源包目录
svm核函数及参数优化.zip
(12个子文件)
svm核函数及参数优化
gatbx.zip
2.75MB
GA.m
1KB
chapter12_wine.mat
20KB
bestCG.m
716B
kernel_SVM.m
1KB
gaSVMcgForClass.m
3KB
guiyi_SVM.m
1KB
CV_cg_SVM.m
905B
KNN_classifier.m
912B
libsvm-3.20.zip
622KB
rand_cg_SVM.m
1KB
SVM分类及参数优化.pptm
753KB
共 12 条
1
评论
收藏
内容反馈
立即下载
资源评论
资源反馈
评论星级较低,若资源使用遇到问题可联系上传者,3个工作日内问题未解决可申请退款~
联系上传者
评论
yangfang2111
粉丝: 8
资源:
4
私信
上传资源 快速赚钱
我的内容管理
展开
我的资源
快来上传第一个资源
我的收益
登录查看自己的收益
我的积分
登录查看自己的积分
我的C币
登录后查看C币余额
我的收藏
我的下载
下载帮助
前往需求广场,查看用户热搜
最新资源
EKF在CTRV模型上的建模推导
用于:https://laoshifu.blog.csdn.net/article/details/138191428 多层创建
电力102规约(电能累计量的传输规约)培训
「常用」E9外部流程接口
mabtle(1).zip
MongoDB 数据库基本操作与功能详解
重构改善既有代码的设计-Refactoring:Improving the Design of Existing Code
IEC60870-5-102规约解析
Java高性能编程 Speed is a Feature !!!
key.c
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功