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. 一种基于支持向量机的入侵检测模型

  2. ：支持向量机（support vector machines）是一种建立在统计学习理论基础之上的机器学习方法。基于支持向量机在处理小 样本、高维数及泛化能力强等方面的优势，该文提出了一种根据结构风险最小化原则基于支持向量机的入侵检测系统，首先 简单介绍了入侵检测系统近来的发展状况和支持向量机的分类算法，然后给出以支持向量机分类算法为基础的入侵检测模 型，以系统调用执行迹进行仿真实验，详细讨论了该模型的工作过程及核函数参数的选取对检测性能的影响。实验表明，该 模型在先验知识较小的情况下，能够较好

  3. 所属分类：网络攻防

    • 发布日期：2009-05-19
    • 文件大小：164kb
    • 提供者：shicxi

  1. 支持向量机和遗传算法原理与应用

  2. 统计学习理论和支持向量机被视为机器学习问题的一个基本框架，传统的方法都可以看作是SVM方法的一种实现 有坚实的理论基础和严格的理论分析

  3. 所属分类：其它

    • 发布日期：2009-07-10
    • 文件大小：355kb
    • 提供者：panrenlong

  1. 支持向量机的外文资料~很难找的哦

  2. 这是关于支持向量机的几篇外文资料~~支持向量机 方法是确pnik等人根据统计学习 理论提出的一种新型的、有效的机器学习方法，它以结构风险最小化准则和VC维理 论为理论基础，通过适当地选择函数子集以及该子集中的判别函数，使学习机器的 实际风险达到最小，保证了通过有限训练样本得到小误差分类器。

  3. 所属分类：C++

    • 发布日期：2010-03-03
    • 文件大小：52kb
    • 提供者：jietouxiaohu

  1. 支持向量机及libsvm资料

  2. 支持向量机(Support Vector Machine,SVM)是Corinna Cortes和Vapnik[8]等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。 　　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。

  3. 所属分类：C++

    • 发布日期：2010-05-01
    • 文件大小：2mb
    • 提供者：zczhao2009

  1. 统计学习理论和支持向量机

  2. 统计学习理论和支持向量机，讲的比较简洁和清晰，希望对大家有所帮助。

  3. 所属分类：专业指导

    • 发布日期：2010-05-25
    • 文件大小：500kb
    • 提供者：huimin005

  1. SVM入门 支持向量机

  2. 支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中[10]。 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度，Accuracy)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷，以期获得最好的推广能力[14](或称泛化能力)。

  3. 所属分类：C++

    • 发布日期：2010-12-15
    • 文件大小：508kb
    • 提供者：SpeechTech

  1. 支持向量机SVM-light

  2. 支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。

  3. 所属分类：C++

    • 发布日期：2011-07-05
    • 文件大小：58kb
    • 提供者：sunboy975376

  1. 支持向量机导论

  2. 　支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力 。

  3. 所属分类：其它

    • 发布日期：2012-05-14
    • 文件大小：6mb
    • 提供者：yangkailulu

  1. 支持向量机算法的研究及其应用

  2. 作为结构风险最小化准则的具体实现，支持向量机方法具有全局最优、结构简单、推广能力强等优点，近几年得到了广泛的研究。本文仔细研究了支持向量机理论，并针对目前一些支持向量机算法存在的缺陷，分析了产生的原因，提出了两种新的支持向量机算法。针对支持向量机算法难以处理大规模数据的问题，提出了两种新的支持向量机分类方法。并就多类别分类问题等方面开展了初步的理论研究。 本文主要工作包括： (1)讨论了支持向量机理论中各种变形的支持向量机算法，对常规支持向量机公式进行变形的算法主要有C-SVM系列、ν-SVM

  3. 所属分类：C++

    • 发布日期：2015-01-06
    • 文件大小：3mb
    • 提供者：yangsenabc12

  1. 支持向量机 PPT

  2. 支持向量机方法是建立在统计学习理论的VC维 理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力

  3. 所属分类：数据库

    • 发布日期：2015-03-31
    • 文件大小：657kb
    • 提供者：tianxingjianwj

  1. 支持向量机通俗导论(理解SVM的三层境界)带完整书签版本

  2. 本文在写的过程中，参考了不少资料，包括《支持向量机导论》、《统计学习方法》及网友pluskid的支持向量机系列等等，于此，还是一篇学习笔记，只是加入了自己的理解和总结，有任何不妥之处，还望海涵。全文宏观上整体认识支持向量机的概念和用处，微观上深究部分定理的来龙去脉，证明及原理细节，力求逻辑清晰 & 通俗易懂。

  3. 所属分类：专业指导

    • 发布日期：2015-08-08
    • 文件大小：2mb
    • 提供者：subwayss

  1. 关于统计学习理论和支持向量机

  2. 学习支持向量机的必看内容，关于统计学习理论，某大学教授的PPT

  3. 所属分类：讲义

    • 发布日期：2015-11-13
    • 文件大小：310kb
    • 提供者：xdmdth

  1. 支持向量机模型

  2. 支持向量机(英语：Support Vector Machine，常简称为SVM)是一种监督式学习的方法，可广泛地应用于统计分类以及回归分析。它是Corinna Cortes和Vapnik等于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。这族分类器的特点是他们能够同时最小化经验误差与最大化几何边缘区，因此支持向量机也被称为最大边缘区分类器。

  3. 所属分类：其它

    • 发布日期：2018-08-30
    • 文件大小：2mb
    • 提供者：yuanfang_1_2

  1. 改进的模糊多类支持向量机算法在瓦斯预警中的应用

  2. 煤与瓦斯危险性的准确预测一直是矿山安全领域的关键技术难题和重大研究课题。支持向量机是在瓦斯预警中广泛使用的一种技术,以统计学习理论和支持向量机为基础,通过研究基于模糊支持向量机的多类分类方法,对原算法进行改进,采用模糊多类支持向量机,并构造模糊隶属函数,同时使用序列最小最优化算法进行求解,以期提高算法的精度和速度。

  3. 所属分类：其它

    • 发布日期：2020-04-21
    • 文件大小：506kb
    • 提供者：weixin_38738783

  1. 支持向量机回归在矿区GPS高程转换中的应用

  2. 支持向量机回归在矿区GPS高程转换中的应用，张健，郝蒙蒙，基于统计学习理论和支持向量机原理，提出了支持向量机回归应用于矿区GPS高程转换的方法用以精化矿区似大地水准面，研究了支持向量

  3. 所属分类：其它

    • 发布日期：2020-02-07
    • 文件大小：213kb
    • 提供者：weixin_38694141

  1. 基于支持向量机的音频分类与分割.pdf

  2. 音频分类与分割是提取音频结构与语义内容的重要手段，是基于内容的音频、视频检索和分析的基础。支持向量机是一种有效的统计学习方法。

  3. 所属分类：机器学习

    • 发布日期：2020-02-04
    • 文件大小：218kb
    • 提供者：qq_15804521

  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. 改进遗传算法的支持向量机特征选择解决方案介绍

  2. 支持向量机是一种在统计学习理论的基础上发展而来的机器学习方法[1]，通过学习类别之间分界面附近的精确信息,可以自动寻找那些对分类有较好区分能力的支持向量,由此构造出的分类器可以使类与类之间的间隔最大化,因而有较好的泛化性能和较高的分类准确率。由于支持向量机具有小样本、非线性、高维数、避免局部最小点以及过学习现象等优点，所以被广泛运用于故障诊断、图像识别、回归预测等领域。但是如果缺少了对样本进行有效地特征选择，支持向量机在分类时往往会出现训练时间过长以及较低的分类准确率，这恰恰是由于支持向量机无法

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：211kb
    • 提供者：weixin_38659955

  1. 支持向量机通俗导论（理解SVM的三层境界）

  2. 动笔写这个支持向量机(supportvectormachine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲清楚，尽管网上已经有朋友写得不错了(见文末参考链接)，但在描述数学公式的时候还是显得不够。得益于同学白石的数学证明，我还是想尝试写一下，希望本文在兼顾通俗易懂的基础上，真真正正能足以成为一篇完整概括和介绍支持向量机的导论性的文章。本文在写的过程中，参考了不少资料，包括《支持向量机导论》、《统计学习方法》及网友p

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：307kb
    • 提供者：weixin_38651165
« 12 3 4 5 6 7 »