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. SVM的visual c++ 实现（含具体使用手册）

  2. SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2009-05-05
    • 文件大小：401kb
    • 提供者：mingnice

  1. 有关SVM的分类原理的简介

  2. 简单的介绍了有关SVM的原理：SVM的主要思想可以概括为两点: 它是针对线性可分情况进行分析,对于线性不可分的情况,通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分,从而使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能。

  3. 所属分类：其它

    • 发布日期：2010-04-12
    • 文件大小：46kb
    • 提供者：qqxyj051224

  1. Fisher线性判别实验

  2. 一、实验目的 应用统计方法解决模式识别问题的困难之一是维数问题， 低维特征空间的分类问题一般比高维空间分类问题简单。 因此， 人们力图将特征空间进行降维， 降维的一个基本思路是将 d 维特征空间投影到一条直线上， 形成一维空间， 这在数学上比较容易实现。 问题的关键是投影之后原来线性可分的样本可能变为线性不可分。 一般对于线性可分的样本， 总能找到一个投影方向， 使得降维后样本仍然线性可分。 如何确定投影方向使得降维以后， 样本不但线性可分， 而且可分性更好（即不同类别的样本之间的距离尽可能远

  3. 所属分类：专业指导

    • 发布日期：2010-05-08
    • 文件大小：118kb
    • 提供者：taoofenn

  1. 感知器神经网络五大典型例子 MATLAB

  2. 其中包括单层感知器，多层感知器，有奇异值感知器训练，以及线性不可分情况，均运行成功，请放心下载

  3. 所属分类：网络基础

    • 发布日期：2010-05-12
    • 文件大小：2kb
    • 提供者：buildingsky

  1. SVR（SVM）（）（）

  2. 对于分类问题，支持向量机的基本思想是将线性不可分样 本经非线性变换币映射到另一个高维空间E中，在变换后的 空J’日J中寻找一个最优的分界面(超平面)，使其推广能力最好。 以两类分类问题为例说明支持向量机的基本原理。

  3. 所属分类：专业指导

    • 发布日期：2010-07-24
    • 文件大小：386kb
    • 提供者：hezl520

  1. 基于NaiveBayes的CLIF_NB文本分类学习方法

  2. 针对N aive Bayes 方法中条件独立性假设常常与实际相违背的情况, 提出了CL IF- NB 文本分类学习方法, 利用互信息 理论, 计算特征属性之间的最大相关性概率, 用变量集组合替代线性不可分属性, 改善条件独立性假设的限制, 并通过学习一系列分类器, 缩小训练集中的分类错误, 综合得出分类准确率较高的CL IF- NB 分类器.

  3. 所属分类：专业指导

    • 发布日期：2010-10-07
    • 文件大小：244kb
    • 提供者：xikouxiayang

  1. 神经网络 MATLAB神经网络应用设计

  2. 张德丰 (2010). "MATLAB神经网络应用设计." 只有代码 "目 录 前言 第1章 神经网络概述 1 1.1 神经网络的基本概念 1 1.1.1 生物神经元的结构与功能特点 1 1.1.2 人工神经元模型 1 1.1.3 神经网络的结构及工作方式 3 1.1.4 神经网络的学习 4 1.2 神经网络的发展和应用 7 1.2.1 神经网络的发展 7 1.2.2 神经网络的研究内容 8 1.2.3 神经网络的应用 8 1.3 神经网络的特点 8 1.4 MATLAB语言及入门 9 1.4

  3. 所属分类：网络基础

    • 发布日期：2010-12-02
    • 文件大小：19kb
    • 提供者：qq112964734

  1. 数据挖掘中的新方法-支持向量机

  2. (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2010-12-05
    • 文件大小：7mb
    • 提供者：xuhao2218

  1. 机器学习之svm算法及其常用代码库

  2. SVM的主要思想可以概括为两点： (1) 它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而 使得高维特征空间采用线性算法对样本的非线性特征进行线性分析成为可能；(2) 它基于结构风险最小化理论之上在特征空间中建构最优分割超平面，使得学习器得到全 svm 系列产品 局最优化,并且在整个样本空间的期望风险以某个概率满足一定上界。

  3. 所属分类：其它

    • 发布日期：2011-03-08
    • 文件大小：2mb
    • 提供者：onedream87

  1. 一种新的构造SVM分类器的几何最近点法.pdf

  2. 摘 要 引入了尺度化凸壳 (Scaledconvexhull,SCH) 的概念, 把求解线性不可分支持向量机(SVM) 的问题转化为计算两类训练样本分别生成的尺度化凸壳间的最近点对的问题.

  3. 所属分类：教育

    • 发布日期：2011-03-15
    • 文件大小：778kb
    • 提供者：xiaobings

  1. 支持向量机线性不可分的情况

  2. 主要介绍支持向量机线性不可分以及不规则化处理的过程

  3. 所属分类：专业指导

    • 发布日期：2014-02-19
    • 文件大小：85kb
    • 提供者：u013660393

  1. 线性支持向量机算法实现matlab

  2. 参考博客解读：（线性可分/不可分）线性支持向量机matlab详细解读

  3. 所属分类：其它

    • 发布日期：2016-10-22
    • 文件大小：8kb
    • 提供者：sinat_32741771

  1. matlab模式识别感知器实现线性可分、线性不可分，非线性可分

  2. 对分布于二维空间的线性可分样本进行分类，画出了其中每个类的判决函数、判决面。 并拓展到非线性可分或者不可分！

  3. 所属分类：机器学习

    • 发布日期：2018-04-02
    • 文件大小：6kb
    • 提供者：dihuanlai9093

  1. 线性不可分的数据

  2. 对于线性不可分的数据通常使用核函数来将低维空间的数据映射到高维使其变得线性可分。

  3. 所属分类：机器学习

    • 发布日期：2018-04-08
    • 文件大小：2kb
    • 提供者：qq_33769138

  1. 线性SVM算法

  2. SVM算法分为线性可分和线性不可分，该算法所实现的属于线性可分的SVM

  3. 所属分类：图像处理

    • 发布日期：2018-08-31
    • 文件大小：16kb
    • 提供者：qq_32103193

  1. python实现多层神经网络实现线性不可分

  2. 实现一个多层的BP神经网络，将处理线性不可分二分类处理问题是在一个正方形内划一个圆分为两部分进行分类 具有保存参数的功能。每层的个数可设定，层数固定。

  3. 所属分类：机器学习

    • 发布日期：2019-03-18
    • 文件大小：26kb
    • 提供者：weixin_43287548

  1. Opencv3.0之【13】支持向量机之处理线性不可分数据.rar

  2. opencv3.0书籍课程源码之opencv支持向量机之处理线性不可分数据，对于初学opencv的朋友应该很有帮助

  3. 所属分类：C/C++

    • 发布日期：2019-07-07
    • 文件大小：16kb
    • 提供者：tianli3153

  1. 模式识别线性分类器实验——MSE

  2. 含实验报告。 采用最小平方误差判别（MSE），对线性可分数据集和非线性可分数据集进行分类。通过实验观察不同参数取值分类结果的差异性。 在线性不可分的情况下，不等式组不可能同时满足。一种直观的想法就是，希望求一个α*使被错分的样本尽可能少。这种方法通过求解线性不等式组来最小化错分样本数目，通常采用搜索算法求解。

  3. 所属分类：机器学习

    • 发布日期：2020-10-21
    • 文件大小：759kb
    • 提供者：qq_36879493

  1. 基于核线性分类分析的三维模型检索算法

  2. 为提高检索精确度，提出了一种利用核线性分类分析来对模型特征进行优化的新方法。其主要思想是通过满足Mercer条件的非线性映射将低维空间下线性不可分的样本映射到高维空间，在高维空间中利用线性分类分析将原有的三维模型特征投影到特定的子空间。该方法能够在保持类间距离基础上得到具有鉴别信息的低维特征用于三维模型检索。实验结果表明，核线性分类分析方法速度较快，可在秒级完成三维特征优化，同时优化特征在本文测试数据集上可平均提高搜索准确度15%。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：830kb
    • 提供者：weixin_38537689

  1. 机器学习推导+python实现（九）：线性支持向量机

  2. 写在开头：今天将跟着昨天的节奏来分享一下线性支持向量机。 内容安排 线性回归（一）、逻辑回归（二）、K近邻（三）、决策树值ID3（四）、CART（五）、感知机（六）、神经网络（七）、线性可分支持向量机（八）、线性支持向量机（九）、线性不可分支持向量机（十）、朴素贝叶斯（十一）、Lasso回归（十二）、Ridge岭回归（十三）等。 昨天再分享线性可分支持向量机的时候，大家不免会发现其既定前提是数据线性可分，但实际生活中对于线性可分的数据来说还是比较少，那么如何在线性可分支持向量机的基础上进行改机使

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：169kb
    • 提供者：weixin_38565818
« 12 3 4 5 6 »