注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 支持向量机应用于恶意代码检测

  2. 持向量机是自上世纪90年代提出的一种基于统计学习理论的机器学习算法。与传统统计学研究样本产生的规律或样本数目趋于无穷大时的渐进性能不同，它更注重研究样本本身所提供的信息，所以特别适合于小样本问题。 本论文的目的是研究将支持向量机应用于恶意代码检测的有关问题，提出了一种在Windows平台下检测恶意代码的新方法，以PE文件调用的Win API序列为特征，运用支持向量机分类来检测恶意代码。实验结果表明，对恶意代码具有较好的识别效果。

  3. 所属分类：其它

    • 发布日期：2009-04-29
    • 文件大小：927kb
    • 提供者：Elaine996

  1. 基于向量空间的web分类

  2. 支持向量机(Support Vector Machines，简称SVM)是在统计学习理论的基础上发展起来的一种新的学习方法，它已初步表现出很多优于其它方法的性能。由于采用了结构风险最小化原则代替经验风险最小化原则，使得较好地解决了小样本学习的问题；又由于采用了核函数思想，使它把非线性空间的问题转换到线性空间，降低了算法的复杂度。正是因为其完备的理论基础和出色的学习性能，该技术己成为机器学习界的研究热点，并在很多领域都得到了成功的应用，如人脸检测、手写体数字识别、文本自动分类等。

  3. 所属分类：Web开发

    • 发布日期：2009-09-07
    • 文件大小：233kb
    • 提供者：woshilong

  1. 基于模糊训练数据的支持向量机与模糊线性回归

  2. 支持向量机作为1种机器学习方法已广泛应用于模式识别及函数拟合．但在支持向量机中，训练数据均为精确数据．针对训练数据的输入是模糊数的情况，研究基于模糊训练数据的分类型支持向量机，并给出其解法．然后应用基于模糊训练数据的支持向量机研究模糊线性回归问题．

  3. 所属分类：专业指导

    • 发布日期：2010-03-09
    • 文件大小：138kb
    • 提供者：dongleniu

  1. 模式分析的核方法英文版 Kernel Methods for Pattern Analysis

  2. 本书详细介绍基于核的模式分析的基本概念及其应用，主要内容包括：主要理论基础，若干基于核的算法，从最简单的到较复杂的系统，例如核偏序最小二乘法、典型相关分析、支持向量机、主成分分析等。还描述了若干核函数，从基本的例子到高等递归核函数，从生成模型导出的核函数(如HMM)到基于动态规划的串匹配核函数，以及用于处理文本文档的特殊核函数等。 　　 本书适用于所有从事模式识别、机器学习、神经网络及其应甩的学生、教师和研究人员。

  3. 所属分类：网络基础

    • 发布日期：2010-04-14
    • 文件大小：3mb
    • 提供者：abcdegg

  1. 基于机器学习的股票交易时机研究（毕业论文）

  2. 本文介绍了股市的相关背景知识，然后对股市里的常用术语作了介绍以及对传统的股市预测的方法进行了介绍，特别详细介绍了基于神经网络的预测方法。接着全面介绍了统计学习理论和建立在其上的支持向量机方法，详细描述了支持向量机方法的基本原理。 最后，对支持向量机方法用于股市预测问题进行了尝试。提出了使用支持向量机的方法进行股市预测的基本流程，然后通过使用实际的股市交易数据进行预测，在具体股价的预测都表现出很好的效果。

  3. 所属分类：网络基础

    • 发布日期：2010-07-01
    • 文件大小：1mb
    • 提供者：kevin_she

  1. 基于支持向量机的机器学习研究

  2. 基于支持向量机的机器学习研究基于支持向量机的机器学习研究基于支持向量机的机器学习研究

  3. 所属分类：专业指导

    • 发布日期：2011-03-18
    • 文件大小：578kb
    • 提供者：wsliminghao

  1. 基于核函数的人脸检测研究

  2. 人脸识别是模式识别与计算机视觉、生物识别技术的交叉学科，而人脸检 测是人脸识别系统的关键环节。根据生物识别领域内最新研究表明，非线性样 本的处理和降维是人脸识别研究现今面临的两个主要问题。 核函数作为一种有效的处理非线性空间(可分/不可分)样本和迅速降维 的理论和方法，随着支持向量机的普及，在近年来的模式识别领域得到了广泛 的关注。将“核方法”与传统的特征提取和分类方法相结合，相继产生了许多 新颖、有效的检测识别方法。本文主要研究内容是核函数的基础理论、算法性 能改进以及在人脸检测中的应用。

  3. 所属分类：其它

  1. 支持向量机与神经网络的区别

  2. 二者在形式上有几分相似,但实际上有很大不同。 简而言之，神经网络是个“黑匣子”，优化目标是基于经验风险最小化，易陷入局部最优，训练结果不太稳定，一般需要大样本； 而支持向量机有严格的理论和数学基础，基于结构风险最小化原则, 泛化能力优于前者，算法具有全局最优性, 是针对小样本统计的理论。 目前来看，虽然二者均为机器学习领域非常流行的方法，但后者在很多方面的应用一般都优于前者。 神经网络是基于传统统计学的基础上的.传统统计学研究的内容是样本无穷大时的渐进理论,即当样本数据趋于无穷多时的统计性质,

  3. 所属分类：专业指导

    • 发布日期：2012-11-21
    • 文件大小：3kb
    • 提供者：chyzh2012

  1. 机器学习与数据科学（全套PDF格式的讲义）

  2. 00_学习问题研究的简史.pdf 00_课程介绍.pdf 01_基于实例的学习.pdf 02_线性模型.pdf 02_线性模型_I.pdf 02_线性模型_补充_无约束优化.pdf 03_线性模型的扩展_I_II.pdf 04_学习过程的统计性质与集成学习.pdf 05_支持向量机与统计学习理论_I.pdf 05_支持向量机与统计学习理论_I_II.pdf 06_正则化理论及其应用_I_II.pdf 07_无监督学习_I_II_III.pdf 08_压缩感知与稀疏表示_I_II.pdf 09_

  3. 所属分类：讲义

    • 发布日期：2017-10-21
    • 文件大小：28mb
    • 提供者：rpgyang

  1. 基于机器学习算法的摔倒检测和日常行为识别研究

  2. 本文使用三种已有的机器学习算法，针对可穿戴传感器采集用户日常行为数据，进行训练和测试等，涉及支持向量机、神经网络和隐藏马尔可夫模型等的研究

  3. 所属分类：机器学习

    • 发布日期：2017-11-30
    • 文件大小：1mb
    • 提供者：cyj2014go

  1. 支持向量机理论与算法研究综述

  2. 统计学习理论(statistical learning theory，SLT)是一种小样本统计理论，着重研究在小样本情况下的统计规律及学习方法性质。支持向量机(support vector machinse, SVM)是一种基于SLT的新型的机器学习方法，由于其出色的学习性能，已 经成为当前机器学习界的研究热点。该文系统介绍了支持向量机的理论基础，综述了传统支持向量机的主流训练算法以及一些新型的学习模型和算法，最后指出了支持向量机的研究方向与发展前景。

  3. 所属分类：专业指导

    • 发布日期：2018-05-05
    • 文件大小：677kb
    • 提供者：qq_38195718

  1. 基于机器学习算法的寿命预测与故障诊断技术应用与发展综述.pdf

  2. 寿命预测与故障诊断作为复杂装备系统可靠性分析中的两类重要问题，基于数据驱动的机器学习分析方法具有良好的 工程效果；文章系统地从故障预测与寿命估算及后续健康管理的实际工程需求出发，深入分析该类型系统因性能衰退出现的早期 故障诊断与维护时间确定的共性难点问题并深度挖掘其所对应的关键科学问题，对机器学习算法在其中的应用与研究进行综述， 重点阐述了人工神经网络、支持向量机等机器学习算法，对于完善可靠性分析方法，进一步推动机器学习算法在可靠性工程领域 的运用具有一定的指导意义。

  3. 所属分类：机器学习

  1. 机器学习中的权重学习与差分演化

  2. 机器学习是人工智能的核心研究问题,是计算机获得智能的根本途径。自从20世纪50年代人工智能学科建立以来,人们已经提出了大量的机器学习算法,如决策树、神经网络、支持向量机、K均值聚类及KNN算法等。而实际问题中的真实数据往往具有以下的一个或几个特点:含噪音的、具有缺失数据、数据类别分布不平衡、特征重要程度不同、大数据以及数据含有不确定性等,特别是当前随着计算机技术及通讯网络的迅猛发展,这些问题变得更加突出。为了处理这些不完美的数据,人们提出了许多改进的算法,比如可以集成多个学习器的集成学习系统,能

  3. 所属分类：机器学习

    • 发布日期：2020-01-15
    • 文件大小：4mb
    • 提供者：sunearlier

  1. 基于分解技术的并行支持向量机算法

  2. 基于分解技术的并行支持向量机算法，李明强，韩丛英，支持向量机是以统计学习理论为基础的新型的机器学习方法，近年来已经成为机器学习领域一个新的研究热点。由于传统的优化算法在处

  3. 所属分类：其它

    • 发布日期：2019-12-29
    • 文件大小：293kb
    • 提供者：weixin_38604330

  1. 机器学习技术在现代农业气象中的应用.pdf

  2. 智慧气象和精准农业结合下的现代农业气象工作意味着对包含遥感影像在内的大型农业和气象数据高时效 性的分析与处理，机器学习技术是当代自然科学研究和技术发展的主流技术，亦是现代农业气象科研和业务发展 的重要工具。该文系统论述了机器学习技术的主要方法及其在现代农业气象中的主要应用方向，比较了不同方法 在农业气象不同领域应用的情况，侧重介绍了基于深度学习技术的成果和近年来的最新研究进展。传统浅层机器 学习技术中，以支持向量机和人工神经网络应用最为广泛且效果最为理想。近年来，随机森林和梯度提升机等决 策树集

  3. 所属分类：机器学习

    • 发布日期：2020-06-23
    • 文件大小：524kb
    • 提供者：diyi6976

  1. 基于支持向量机的机器学习研究 Research of Machine-Learning Based Support Vector Machine

  2. 【摘要】 学习是一切智能系统最根本的特征。机器学习是人工智能最具智能特征、最前沿的研究领域之一。机器学习研究的是如何使机器通过识别和利用现有知识来获取新知识和新技能。机器学习就是要使计算机能模拟人的学习行为,自动地通过学习获取知识和技能,不断改善性能,实现自我完善。　与传统统计学相比,统计学习理论是一种专门研究小样本情况下机器学习规律的理论。V.Vapnik　等人从六、七十年代开始致力于此方面研究,到九十年代中期,其理论不断发展和成熟。统计学习理论是建立在一套较坚实的理论基础之上的,为解决有限样

  3. 所属分类：互联网

    • 发布日期：2020-07-04
    • 文件大小：578kb
    • 提供者：songzailu6482

  1. DSP中的改进遗传算法的支持向量机特征选择的设计和实现

  2. 支持向量机是由Vapnik领导的AT&TBell实验室研究小组在1963年提出的一种新的非常有潜力的分类技术，SVM是一种基于统计学习理论的模式识别方法，主要应用于模式识别领域。由于当时这些研究尚不十分完善，在解决模式识别问题中往往趋于保守，且数学上比较艰涩，这些研究一直没有得到充分的重视。直到90年代，统计学习理论 （Statistical Learning Theory，SLT）的实现和由于神经网络等较新兴的机器学习方法的研究遇到一些重要的困难，比如如何确定网络结构的问题、过学习与欠学习问题

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：224kb
    • 提供者：weixin_38693476

  1. 基于高光谱技术与机器学习的新疆红枣品种鉴别

  2. 为实现对红枣品种的判别,利用高光谱技术并结合机器学习算法对金丝大枣、骏枣和滩枣这三个品种的新疆红枣进行研究。首先,分别利用多元散射校正(MSC)、标准正态变量变换(SNV)、一阶导(1-Der)和Savitzky-Golay(SG)平滑等数据预处理方法对原始光谱进行预处理,研究了预处理方法对建模的影响;然后,利用光谱-理化值共生距离法(SPXY)将样本集划分为校正集和预测集,基于线性判别分析(LDA)、K-最近邻分类(KNN)和支持向量机(SVM)算法对预处理后的全波段光谱建立红枣品种鉴别模型,

  3. 所属分类：其它

  1. CMT307-应用机器学习-源码

  2. CMT307-应用机器学习 发生-19A Ac Yr-2019/0威尔士％-0模块概述：机器学习领域与研究开发计算机程序的方法有关，这些方法可以从示例或先前的经验中学习。 机器学习是人工智能最近取得的许多成功的基础，其应用范围从无人驾驶汽车到数字助理和搜索引擎。 该模块将作为机器学习的一般介绍，涵盖传统方法（例如决策树和支持向量机）以及最新的基于神经网络的技术。 尽管该模块还将涵盖这些方法背后的核心原理，但主要重点将放在面向机器学习的面向应用方面，例如如何实现关键的机器学习技术，如何选择在给定情

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：218mb
    • 提供者：weixin_42168750

  1. 基于适体的蛋白质组学数据分析与建模-源码

  2. 介绍 当前依赖白细胞酯酶的尿路感染（UTI）诊断策略准确性有限。 我们进行了基于适体的蛋白质组学先导研究，以鉴定可将培养证明的UTI与培养阴性样品区分开的尿蛋白水平，而不论脓尿状态如何。 我们分析了16例尿路感染儿童，8例文化性脓尿和8例尿液培养阴性且无脓尿的尿液。 使用Somascan:trade_mark:平台对尿液中1,310种蛋白质的水平进行了定量，并针对尿肌酐进行了标准化。 进行了基于支持向量机（SVM）的特征选择的机器学习，以确定优化诊断准确性的尿液生物标志物组合。 八个候选尿蛋

  3. 所属分类：其它

    • 发布日期：2021-02-16
    • 文件大小：222kb
    • 提供者：weixin_42102933
« 12 »