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. 本科毕业论文 基于支持向量机（SVM）的蘑菇毒性检测系统

  2. 本科毕业论文 基于支持向量机（SVM）的蘑菇毒性检测系统 目 录 摘 要 II 关键词 II Abstract II Key Words II 1引言 1 1.1研究意义 1 1.2国内外研究情况 1 2支持向量机理论 3 2.1支持向量机基础理论 3 2.2 C-SVM算法及其变形算法 7 2.3 V-SVM算法 9 3 LIBSVM软件 12 3.1 LIBSVM软件简介 12 3.2 LIBSVM软件的使用方法 12 3.3 LIBSVM的工具包 15 4 Qt图形库 18 5 系统的设

  3. 所属分类：其它

    • 发布日期：2010-01-13
    • 文件大小：728kb
    • 提供者：macalyou

  1. libsvm 3.1

  2. 支持向量机算法库 LIBSVM -- A Library for Support Vector Machines http://www.csie.ntu.edu.tw/~cjlin/libsvm/

  3. 所属分类：Python

    • 发布日期：2011-07-19
    • 文件大小：624kb
    • 提供者：devdas

  1. 经典SVM算法台大实现包

  2. LibSVM是台湾林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库，这套库运算速度还是挺快的，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。

  3. 所属分类：讲义

    • 发布日期：2016-09-19
    • 文件大小：854kb
    • 提供者：qq_32041173

  1. 超级计算机 内含遗传算法库和支持向量机算法库，以及bfs算法

  2. SuperComputer是一款C/S模式下基于微软.NET平台的远程控制软件。类似bt程序,但是只能架构金字塔网络，主要是用于并行运算,所以不能形成环形网，以免运算重复和错误。只要主机安装并运行程序，且能让客户端机器访问服务器的7143端口即可实现一系列的远程控制操作。目前属于免费传播使用产品。

  3. 所属分类：其它

    • 发布日期：2008-12-09
    • 文件大小：6mb
    • 提供者：pww71

  1. Vsvm----可用于各种平台的SVM算法库内含多目标输出回归和参数优化及特征选择算法

  2. Vsvm----SVM算法库内含多目标输出回归和参数优化及特征选择算法 最新将Vsvm封装为dll，提供c#和web应用接口代码。其他语言平台可参照api接口进行编译。

  3. 所属分类：其它

    • 发布日期：2009-04-05
    • 文件大小：10mb
    • 提供者：fanliyun1234

  1. 机器学习工程师从算法基础到实战案例

  2. 【课程内容】 第一阶段：Python数据分析与建模库 Python快速入门 科学计算库Numpy 数据分析处理库Pandas 可视化库Matplotlib Seaborn可视化库 第二阶段：机器学习经典算法 回归算法 决策树与随机森林 贝叶斯算法 Xgboost 支持向量机算法 时间序列AIRMA模型 神经网络基础 神经网络架构 PCA降维与SVD矩阵分解 聚类算法 推荐系统 Word2Vec 第三阶段：机器学习案例实战 使用Python分析科比生涯数据 案例实战-信用卡欺诈检测 Python

  3. 所属分类：机器学习

    • 发布日期：2018-03-14
    • 文件大小：76byte
    • 提供者：u013844840

  1. 机器学习算法详解

  2. 机器学习算法详解▪ 一、线性回归 ◦ 1、代价函数 ◦ 2、梯度下降算法 ◦ 3、均值归一化 ◦ 4、最终运行结果 ◦ 5、使用scikit-learn库中的线性模型实现 ▪ 二、逻辑回归 ◦ 1、代价函数 ◦ 2、梯度 ◦ 3、正则化 ◦ 4、S型函数（即） ◦ 5、映射为多项式 ◦ 6、使用的优化方法 ◦ 7、运行结果 ◦ 8、使用scikit-learn库中的逻辑回归模型实现 ▪ 逻辑回归_手写数字识别_OneVsAll ◦ 1、随机显示100个数字 ◦ 2、OneVsAll ◦ 3、手

  3. 所属分类：Python

    • 发布日期：2018-04-12
    • 文件大小：3mb
    • 提供者：yuyuyuxiaolei

  1. 利用TF-IDF策略的中文文本分类算法比较

  2. 利用TF-IDF策略的中文文本分类算法比较，刘昕玥，王敬，本文基于TF-IDF特征选取方法，分别使用朴素贝叶斯、随机森林与支持向量机算法对中文文本语料库进行分类实验。实验表明，支持向量机

  3. 所属分类：其它

    • 发布日期：2020-03-12
    • 文件大小：538kb
    • 提供者：weixin_38731239

  1. 基于Mutual Boost和支持向量机的表情识别

  2. 主要研究自动人脸表情识别(FER),首先使用Gabor算法提取人脸图像的特征,再针对Gabor特征维数高、冗余大及利用传统的AdaBoost算法进行特征选择时特征间仍存在较大冗余的特点,引入了基于互信息的AdaBoost算法(MutualBoost)进行特征选择,降低特征维数和减少特征间的冗余信息量。然后再以SVM分类器进行分类。本算法在JAFFE表情库上进行测试,结果验证了算法的有效性。

  3. 所属分类：其它

    • 发布日期：2020-06-23
    • 文件大小：382kb
    • 提供者：weixin_38703669

  1. Python中支持向量机SVM的使用方法详解

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 　　Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明 　　skleran中集成了许多算法，其导入包的方式如下所示， 　　逻辑回归：from sklearn.linear_model import LogisticRegression    

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：178kb
    • 提供者：weixin_38738783

  1. Python中的支持向量机SVM的使用（附实例代码）

  2. 除了在Matlab中使用PRTools工具箱中的svm算法，Python中一样可以使用支持向量机做分类。因为Python中的sklearn库也集成了SVM算法，本文的运行环境是Pycharm。 一、导入sklearn算法包 Scikit-Learn库已经实现了所有基本机器学习的算法，具体使用详见官方文档说明：http://scikit-learn.org/stable/auto_examples/index.html。 skleran中集成了许多算法，其导入包的方式如下所示， 逻辑回归：from

  3. 所属分类：其它

    • 发布日期：2020-12-26
    • 文件大小：175kb
    • 提供者：weixin_38703980

  1. A-SVM:增强支持向量机的源代码-vector source code

  2. 增强型SVM源代码：1.0版 发行-2012年11月1日更新-2016年11月2日 该软件包包含用于学习Augmented-SVM分类器功能的算法，用于组合多个非线性动力学。 本文提出了该算法： Shukla，A。和Billard，A。 神经信息处理系统（NIPS）2012。内华达州塔霍。 适用于：多个非线性动力学的自动空间划分 包装结构 该程序包的组织方式如下。 根文件夹包含src/中的cpp源文件和include/ ，它们使用cmake编译到库lib/ASVMLearning.so中

  3. 所属分类：其它

  1. Machine-Learning-Project:该存储库包含所有机器学习模型-源码

  2. 机器学习项目 该存储库包含所有机器学习模型 为什么要使用这个存储库？ •该存储库在一个地方提供了所有机器学习项目，因此使我的GitHub井井有条！ 概述 •上面的每个文件夹以及问题说明中都提供了数据集和解决方案。 •该存储库包含我所有的机器学习项目。 使用的算法 回归： •线性回归•套索和岭回归•逻辑回归 分类： •K最近邻居•支持向量机•决策树 聚类： •K均值 合奏： •随机森林 如果在任何情况下此代表都帮助您，请点击 :star: ！

  3. 所属分类：其它

  1. machine-learning-coursera-python:该存储库包含由斯坦福大学在Coursera上执行的Andrew Ng的机器学习课程的某些编程作业的python实现-源码

  2. 机器学习课程python 该存储库包含由Stanford University创建的Andrew Ng在Coursera上的机器学习课程的某些编程作业的python实现。 编程练习1：线性回归在本练习中，您将实现线性回归并了解它如何在现实世界的数据集上工作。 编程练习2：逻辑回归在本练习中，您将实现逻辑回归并将其应用于两个不同的数据集。 编程练习3：多类分类和神经网络在本练习中，您将实现神经网络对所有逻辑回归和前馈传播的识别，以识别手写数字。 编程练习4：神经网络学习在本练习中，您将为

  3. 所属分类：其它

  1. 通过自举支持向量进行标签传播，以提取命名实体之间的语义关系

  2. 本文提出了一种半监督学习方法，用于命名实体之间的语义关系提取。 在给定少量标记数据的情况下，它首先通过在支持向量机（SVM）上通过带有特征的支持训练程序从所有可用数据中自举适量的加权支持向量，从而从大量未标记数据中受益匪浅。投影，然后在SVM自举后通过自举支持向量和剩余的未标记硬实例应用标签传播（LP）算法对未见实例进行分类。 对ACE RDC语料库的评估表明，我们的方法可以整合SVM自举和标签传播的优势。 它表明，在没有SVM引导的情况下，通过所有可用数据，通过引导支持向量和未标记的硬实例的L

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：817kb
    • 提供者：weixin_38709312

  1. 监督算法比较：针对COGS 118A类的监督算法项目-监督机器学习-源码

  2. 监督机器学习比较 该项目针对类COGS118A-监督机器学习算法完成 该项目的目的是比较三种主流监督式机器学习算法的相对性能： 线性支持向量机-决策树-随机森林 在三个不同的数据集上对模型进行了训练，都可以从UC Irvine的机器学习存储库中进行访问： --- 每个模型都经过了一系列火车测试的测试，分为20％火车/ 80％测试，50/50和80/20。此外，每种算法都通过GridSearch使用各自的优化超参数进行了训练。 该项目包括一个以流行的机器学习会议NeurIPS风格编写的报告。

  3. 所属分类：其它

  1. 机器学习：Python机器学习在图像处理和算法实现中的应用，包括期望最大化，因子分析，高斯混合模型，OPTICS，DBSCAN，随机森林，决策树，支持向量机，主成分分析，K最近邻，K Means，朴素贝叶斯混合模型，高斯判别分析，牛顿法，梯

  2. 机器学习 介绍 机器学习是如此别致，每个程序员甚至非程序员都开始学习。 经过几个月的在线课程，每个人都成为了自称为数据科学家。 管理人员寄予厚望，并部署数据科学家来进行机器学习。 很快，人们遇到了死胡同，在虹膜数据集范围之外的事情运行得并不顺利！ 如果您去过我的其他存储库，例如或，您一定已经看到我猛烈抨击机器学习的鲁ck应用。 停止销售AI蛇油！ 不要误会我的意思。 我不是对机器学习持怀疑态度的人。 我看到了机器学习的巨大潜力，但是我对目前对人工智能的高估持怀疑态度，而坦率地说，人工智能已经不在

  3. 所属分类：其它

  1. svm_mnist_digit_classification：具有scikit学习和支持向量机（SVM）算法的MNIST数字分类-源码

  2. 使用scikit-learn在python中进行SVM MNIST数字分类 该项目提出了的众所周知的问题。 出于本教程的目的，我将使用具有原始像素特征的算法。 该解决方案使用易于使用的机器学习库以python编写。 该项目的目标不是达到最先进的性能，而是教您如何使用sklearn的SVM在图像数据上训练SVM分类器。 尽管该解决方案并未针对高精度进行优化，但结果还是不错的（请参见下表）。 如果您想获得最佳性能，这两个资源将向您展示当前的最新解决方案： 下表显示了与其他模型相比的一些结果：

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：49kb
    • 提供者：weixin_42150341

  1. h2o-3：H2O是一个开源，分布式，快速且可扩展的机器学习平台：深度学习，梯度提升（GBM）和XGBoost，随机森林，广义线性建模（带有弹性网的GLM），K均值，PCA，广义附加模型（GAM），RuleFit，支持向量机（SVM），堆叠

  2. 水 H2O是用于分布式，可扩展的机器学习的内存平台。 H2O使用熟悉的界面（例如R，Python，Scala，Java，JSON和Flow笔记本/网络界面），并与Hadoop和Spark等大数据技术无缝协作。 H2O提供了许多流行实现，例如广义线性模型（GLM），梯度提升机（包括XGBoost），随机森林，深层神经网络，堆叠体，朴素贝叶斯，广义加性模型（GAM），考克斯比例危害，K-表示PCA，Word2Vec以及全自动机器学习算法（ ）。 H2O是可扩展的，因此开发人员可以添加自己选择的

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：88mb
    • 提供者：weixin_42126668

  1. OpenCV机器学习——支持向量机SVM

  2. OpenCV中集成了多种机器学习算法供我们方便使用，如果我们要训练数据进行分类，不用自己写分类器，只需要调用相应的库和类即可轻松实现。本文重点不在于介绍机器学习原理及数学推导，着重介绍OpenCV中的机器学习相关函数，并且用十分简单的训练数据作为例子实现分类。 对于OpenCV的机器学习分类器，大多换汤不换药，构造方法和实现方法很类似，基本遵循原始数据—训练分类器—进行分类的步骤，某些算法可能有特殊的初始化参数，需要额外设置在实现任何分类器之前，都需要训练数据。插句题外话，训练数据的好坏是一个分

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：80kb
    • 提供者：weixin_38603936
« 12 3 4 5 »