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. 新型SVDD算法d-svdd

  2. d-svdd是一种新型SVDD算法，可实现分类间隔最大化。

  3. 所属分类：电信

    • 发布日期：2013-04-03
    • 文件大小：641024
    • 提供者：zjshen2007

  1. 边界检测快速SVDD算法

  2. 一种快速svdd算法，方便了解svdd超球面的分类，为以后多分类打下基础。

  3. 所属分类：其它

    • 发布日期：2013-10-28
    • 文件大小：965632
    • 提供者：u012598153

  1. 基于HOG和颜色特征融合的人体姿态估计_韩贵金

  2. 部位外观模型在人体姿态估计中起着关键作用． 为提高人体姿态估计的准确度，对如何利用梯度方向直 方图(HOG)与颜色特征建立外观模型进行研究． 利用支持向量数据描述算法( SVDD)对部位的所有细胞单元构造 子分类器，将所有子分类器按照不同权值进行线性组合，建立基于 HOG 特征的外观模型;利用与基于 HOG 特征的 外观模型之间似然度较高的部位状态学习定位概率，根据定位概率求得的颜色直方图即为基于颜色特征的外观模 型;根据待处理静态图像的光照条件和人体着装及背景的颜色对比度可确定分别基于 HO

  3. 所属分类：深度学习

    • 发布日期：2018-06-02
    • 文件大小：442368
    • 提供者：rockyxcq

  1. 支持向量数据描述（Support Vector Data Description，SVDD）的故障检测（异常检测）程序

  2. 支持向量数据描述（Support Vector Data Descr iption，SVDD）是一种单值分类算法，能够实现目标样本和非目标样本的区分。故障检测（异常检测）实质上是一种单值分类问题，将正常样本和异常样本区分开来。基于 SVDD 的故障检测（异常检测）流程一般为： 1. 获取正常样本数据集。 2. 训练 SVDD 超球体，获取超球体的相关参数（阈值、支持向量等等）。 3. 计算测试样本到超球体的球心距，通过比较球心距和阈值来判断该测试样本是否为异常样本。 代码主要包括： 1. 应用

  3. 所属分类：机器学习

    • 发布日期：2019-10-16
    • 文件大小：362496
    • 提供者：iqiukp

  1. 利用WOA算法优化libsvm中SVDD算法的参数

  2. 台湾大学林智仁 (Lin Chih-Jen) 教授等开发设计的 libsvm 工具箱提供了SVDD算法的MATLAB接口，其中两个关键参数 c 和 g 直接影响SVDD的单值分类结果。 该代码通过引入鲸鱼优化算法（Whale Optimization Algorithm，WOA），实现对 libsvm 工具箱中的SVDD算法的参数优化，给出两个实例代码： 1. libsvm 工具箱提供的heart_scale data 2. 工业过程数据 WOA的具体描述可以参考以下文献： （1）Mirjal

  3. 所属分类：机器学习

    • 发布日期：2019-10-16
    • 文件大小：1048576
    • 提供者：iqiukp

  1. SVDD+鸢尾花.zip

  2. svdd算法单类检测器（以鸢尾花为例）。svdd算法作为单类别分类算法，在多个领域中发挥重要作用，该源码包含一个ipynb文件和一个鸢尾花数据集，ipynb文件里面包含了每一步操作的流程和一个简单的解释和结果展示，该实例较为简单，可供初步学习和使用，可替换自己的数据集进行测试。

  3. 所属分类：互联网

    • 发布日期：2020-05-06
    • 文件大小：7168
    • 提供者：weixin_41068770

  1. prtools-matlab工具包

  2. prtools工具箱是一个统计模式识别的工具箱，svdd算法是一类分类器算法的一种，如果SVDD算法工具包不能用，加载该工具包可以使用。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-04-25
    • 文件大小：1048576
    • 提供者：weixin_40518715

  1. SVDD（Support Vector Data Description）算法，其中包含两个版本的matlab工具箱

  2. 压缩包中包含两个版本的SVDD（Support Vector Data Descr iption）算法matlab工具箱。针对不同版本的matlab，可以尝试不同工具箱。

  3. 所属分类：其它

    • 发布日期：2020-04-25
    • 文件大小：748544
    • 提供者：weixin_40518715

  1. 基于MATLAB的SVDD决策边界可视化（libsvm-3.23）

  2. 支持向量数据描述（Support Vector Data Descr iption，SVDD）是一种单值分类算法，能够实现目标样本和非目标样本的区分。 该代码实现了libsvm-3.23工具箱中SVDD的决策边界可视化，其实现流程为： 1. 建立训练集的SVDD超球体模型 2. 利用网格法填充训练集区域 3. 预测每个网格点的得分 4. 根据网格点得分绘制等高线 5. 绘制决策边界 利用香蕉数据集进行示例，给出了"欠拟合"、“正常”和“过拟合”情况下的SVDD决策边界可视

  3. 所属分类：机器学习

    • 发布日期：2019-10-19
    • 文件大小：594944
    • 提供者：iqiukp

  1. 支持向量数据描述算法（svdd）

  2. SVDD（（Support Vector Data Descr iption）即支持向量数据描述，其基本思想是通过在映射到高维的特征空间中找出一个包围目标样本点的超球体，并通过最小化该超球体所包围的体积让目标样本点尽 能地被包围在超球体中，而非目标样本点尽可能地排除在超球体中，从而达到两类之间划分的目的。该方法目标是求出能够包含正常数据样本的最小超球体的中心a和半径R。

  3. 所属分类：机器学习

    • 发布日期：2019-03-16
    • 文件大小：206848
    • 提供者：qq_41611588

  1. 利用高光谱图像自动阈​​值方法和最佳波长选择，用于虫害菜豆的检测

  2. 蔬菜大豆中的昆虫破坏了大豆产品的质量和安全性。 因此，必须开发出一种无害技术来检测受害昆虫的植物大豆。 提出了一种基于高光谱图像的有效检测方法，该方法通过自动阈值分割和使用模糊粗糙集模型的最佳波长选择来选择感兴趣区域（ROI）。 对于362个豆样品，提取了ROI的三个图像特征（即熵，能量和均值）作为分类特征，其光谱区域覆盖400-1000 nm，包含94个波长。 然后使用基于热电荷算法（FRSTCA）的模糊粗糙集模型选择三个或三个以下最佳波长。 支持向量数据描述（SVDD）用于开发害虫大豆的分类

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：1048576
    • 提供者：weixin_38661128

  1. 基于内容相似度计算的大规模数据个性化推荐方法

  2. 推荐算法已广泛用于从许多领域的海量数据中为用户发现有趣的内容。 但是，随着用户需求的多样化，推荐的准确性和效率成为提高用户满意度的重要考虑因素。 本文通过将搜索词与个性化搜索参考词相结合来重新定义内容相似性的概念，并描述它们的维数，然后通过定义当前关键词，分类项目和分类之间的汉明距离，提出内容相似度的计算方法。历史关键字。 通过支持向量数据描述（SVDD）的预处理，我们可以从分类项目的个人偏好中找到特定倾向，并提出最终推荐结果，从高相似到低相似。 仿真实验表明，在我们的大规模数据集上，我们提出的

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：305152
    • 提供者：weixin_38670707

  1. 基于支持向量数据描述的高光谱图像目标检测

  2. 高光谱图像目标检测具有重要的理论研究价值和应用前景，是遥感信息处理领域中的一个热点课题。当前大部分检测算法需要设置一个合适的判决阈值，这个阈值是由人工设置或利用目标与背景信息进行计算得到的。实际中对背景的先验知识往往很少，这限制了很多算法的应用。针对这一问题，提出了一种新的纯像素目标检测算法——基于支持向量数据描述(SVDD)的高光谱图像目标检测算法，把目标检测问题转化为了单值分类问题。首先训练SVDD分类器，然后对数据进行类内(目标)和类外(背景)的分类，对分类的图像再利用目标的空间特征降低虚

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：2097152
    • 提供者：weixin_38616120

  1. 基于集成学习的高光谱图像一类分类算法

  2. 由于高光谱图像的光谱分辨率已经达到了10 nm甚至更高，使其具有了辨识很多原本在其他遥感图像中无法识别出现的地物。但较高的光谱分辨率也带来了高维数据的处理难题。为了充分利用高光谱图像的高维数据信息，提高一类分类器性能，提出了一种基于集成学习的高光谱图像一类分类方法。该方法将训练样本生成多个随机子空间的低维训练样本集，在这些子空间训练集上训练支持向量数据描述(SVDD)，并对其进行精简处理，最后均值合并这些分类器为一个集成分类器。实验结果表明，与光谱角匹配、一类支持向量机(OC-SVM)和直接SV

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_38611877

  1. 基于大数据的电力信息网络流量异常检测机制

  2. 随着智能电网建设的加强，电力信息网络及其承载的业务系统得到迅猛发展，网络业务流量的检测和预警具有重要的安全意义。针对目前电力信息网络缺乏处理流量异常问题的有效技术手段，提出了一种基于大数据的电力信息网络流量异常检测机制，并通过对改进的局部异常因子（M-LOF）和支持向量域数据描述（SVDD）两种常用异常检测算法的对比分析，总结出适合电力信息网络的流量异常检测方法。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38685831

  1. 密度诱导型数据描述单类分类机

  2. 为改进基于数据描述的单类分类机识别率, 将样本分布密度加入分类机的设计中, 提出采用密度诱导型数据描述单类分类机(DISVDD). 以支撑向量域描述(SVDD) 算法为基础, 通过一种简易的形式引入数据密度因子, 使高密度区数据对分类支撑域的作用被强化, 而低密度区数据的作用被削弱, 结果使分类超球体因靠近高密区而提高其识别性能, 而且不增加计算复杂度. 在构造样本值与真实数据集上的实验结果表明, 所

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：225280
    • 提供者：weixin_38626032

  1. 领域自适应的最小包含球设计方法

  2. 支持向量域描述(SVDD) 算法适用于异常点检测, 但对于不同领域样本组的整体快速识别则力不从心. 为此, 基于SVDD算法提出一种基于最小包含球的领域自适应算法(MEB-DA), 并将其发展为基于中心约束型最小包含球的领域自适应法(CCMEB-DA), 以满足大样本数据的快速计算. 该算法通过计算各自数据组的包含球球心对不同领域数据进行整体校正和相似度识别, 具有较好的便捷性和自适应性. 将所提出的

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：333824
    • 提供者：weixin_38731027