img
svm源码

libsvm-2.82,比较通用的svm软件包,含编译的EXE,希望对大家有帮助。

img
SVM matlab

有关支撑向量机的matlab代码,相关库,已经过验证,可以使用,需要自取

img
SVM与LS-SVM的区别

SVM与LS-SVM的区别介绍,对二者的基于的原理框架进行了比较,指出各自优胜点

img
机器学习之svm

svm 向量机 机器学习 svm 向量机 机器学习 svm 向量机 机器学习 svm 向量机 机器学习

img
PSO—SVM

SVM PSO 通过粒群算法择优选择支持向量机的敏感参数

img
支持向量机SVM

最近在研究人工智能,收集了一些好的资料,分享出来……也挣点积分,方便下次使用.

img
详细介绍 SVM

翻出以前研究生的时候做过一个介绍 SVM 的PPT分析,拿出来给发布赚些积分。该文档详细介绍了 SVM 的推导过程、原理以及应用。SVM 虽然有些过时,但可以作为新手入门学习的内容。PPT 没有任何版

img
基于svm的中文文本分类

基于内容的文本分类系统 (这是一个完整的分类系统,用java写的,分词是中科院64位的分词) 详情:http://blog.csdn.net/yinchuandong2/article/details

img
SVM(Support Vector Machine).rar

支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linea

img
SVM_SteveGunn

支持向量机SVM很好的学习资料,SteveGunn的源代码,可以在此基础上进行自己的修改,初学者必备。吐血推荐

img
SVM实现负荷预测,其中包含基本SVM,PSO优化SVM,改进...

简单易读的SVM负荷预测实验,并包含PSO、改进PSO等多种方法

img
svm训练数据

svm训练用数据来源文件,用来结合sklearn推导多项方程函数。

img
svm调用实例

svm调用实例,里面的代码有具体的讲解,有利于初学者学习。

img
SVM代码深入理解

SVM代码深入理解 深入理解SVM对增强型学习的优势。

img
SVM_SteveGunn

支持向量机SVM很好的学习资料,SteveGunn的源代码,可以在此基础上进行自己的修改,初学者必备。吐血推荐

img
SVM分类图库

用于SVM分类的图库。。

img
linear SVM

matlab的linearSVM,用于分类,算了我实在编不下去了,凑个字数。

img
SVM回归代码

SVM回归代码,实用安全,matlab实现的

img
蜂群SVM(ABC-SVM)遗传算法SVM(GA-SVM)粒子群SVM...

使用matlab实现蜂群SVM,粒子群SVM,遗传算法SVM,数据包含有公共数据集,公共图像数据集,图像特征提取用了词袋,保证可用(公共图像数据集太大,删除了)

img
python svm 源码

Python编写的SVM算法,SVM算法的实现,适合直接使用,开放源代码

img
SVM+meanshift

基于meanshift架构的跟踪,采用的是分类实现的,不会传统的HOG和颜色直方图特征,能够适应复杂环境下目标跟踪。

img
SVM测试举例

利用MATLAB实现的程序,关于SVM的例子,比较简单,有注释

img
SVM原理讲解

该word文档详细介绍了SVM基本原理,并对其进行了简要分析

img
SVM 官方说明文档

SVM官方说明文档,包含所有的实现细节以及参数说明函数

img
svm详解-详细介绍SVM原理、应用、并证明.

详细介绍SVM原理、应用、并证明. 目录 1 第一层:了解 SVM 4 1.1 分类标准的起源:Logistic 回归 . . . . . . . . . . . . . . . . . . . . . . . . 4 1.2 线性分类的一个例子 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3 函数间隔 Functional margin 与几何间隔 Geometrical margin . . . . . . . 8 1.4 最大间隔分类器 Maximum Margin Classifier 的定义 . . . . . . . . . . . . 9 2 第二层:深入 SVM 12 2.1 从线性可分到线性不可分 . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.1.1 从原始问题到对偶问题的求解 . . . . . . . . . . . . . . . . . . . . . 12 2.1.2 K.K.T. 条件 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2.1.3 对偶问题求解的 3 个步骤 . . . . . . . . . . . . . . . . . . . . . . . 14 2.1.4 线性不可分的情况 . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 2.2 核函数:Kernel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 2.2.1 特征空间的隐式映射:核函数 . . . . . . . . . . . . . . . . . . . . . 18 2.2.2 核函数:如何处理非线性数据 . . . . . . . . . . . . . . . . . . . . . 19 2.2.3 几个核函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 2.2.4 核函数的本质 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.3 使用松弛变量处理 outliers 方法 . . . . . . . . . . . . . . . . . . . . . . . . 24 3 证明 SVM 29 3.1 线性学习器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.1.1 感知器算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 3.2 非线性学习器 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.2.1 Mercer 定理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 3.3 损失函数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 3.4 最小二乘法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.4.1 什么是最小二乘法? . . . . . . . . . . . . . . . . . . . . . . . . . . 34 3.4.2 最小二乘法的解法 . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 3.5 SMO 算法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 3.5.1 SMO 算法的推导 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37 3.5.2 SMO 算法的步骤 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 3.5.3 SMO 算法的实现 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44 3.6 SVM 的应用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 3.6.1 文本分类 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

img
SVM简单分类应用

SVM二分类代码,简单的SVM应用,代码简洁,注释清楚,适合用于SVM入门了解

img
svm文本分类

朴素贝叶斯文本分类和svm