hadoop平台下基于SVM主动学习的分类算法研究1

SVM有如下特征：（1）SVM学习问题可以表示为凸优化问题，因此可以利用已知的有效算法发现目标函数的全局最小值。（2）SVM通过最大化决策边界的边缘来控制模型的能力。（3）通过对数据中每个分类属性引入

基于HOG+SVM的图像分类算法，训练集和测试集根据自己的需要自行创立

采用svm进行机器学习分类。surf特征点提取的特征向量进行分类，基于opencv.

该算法简单的实现了SVM算法的基本原理,利于读者初步理解 学习SVM算法

svm svm 机器学习算法的详细说明

文中分析了SVM 基础理论并总结了目前存在的基于 支持向量机的主要分类方法，包括“一对多”方法、“一对一”方法、决策有向无环图方法、基于二叉树的多类分类方 法和其它方法，并对各自的优缺点及性能做了比较

第卷第期 计算机应用与软件 年月 基于拉普拉斯回归主动学习的大数据流分类算法 杜 恒 杨俊成 河南工业职业技术学院电子信息工程学院 河南南阳 摘 要 实时数据流中标记样本所占比例较小并且存在大量的噪声

基于遗传算法的树形层次SVM多类分类器，袁异，朱宁波，支持向量机（SVM）是解决小样本学习问题的有力工具，但是由于支持向量机算法实现复杂、多类分类存在困难，严重限制了支持向量机在

基于SVM的GIS设备中气体的分类研究，王廓，李兴华，对便携式气体检测仪在GIS设备中检测到的主要气体SOF2和SO2F2进行分类识别和定量分析。首先将便携式设备采集到的数据进行主成分分析，

Research and improvement of massive log data processing model under Hadoop platform.