提出一种基于支持向量数据描述算法(SVDD)的多分类方法(SMSVM)。受SVDD的启发,该方法对每类样本建立一个超球来界定,但训练好的超球在所有情况下都是相交的。选择相交区域的样本单独建立超球,重
使用VS2013+OPENCV2.4.10离线训练及识别手势图片获得识别率
1.将Mnist数据预处理。 2.通过一对一方法将45类训练样本((0,1),(0,2),......(1,2)...(2,3))送入交叉验证法,训练算法为smo 3.得出45个模型,测试时在利用投票
内含有大量多标签多类别分类算法和对应的代码,包括MIML_LPT,MIMLBoost,MIMLSVM,MIMLfast,KISAR,MIMLKNN,MLKNN,DMIMLSVM,MIMLMISVM等等
针对传统支持向量机(SVM)多分类一对多算法存在的运算量大、耗时长、数据偏斜以及对最优超平面附近点分类易出错问题,提出了一种改进方法。将数据空间分为密集区和稀疏区,各类中密集点归于密集区,其余归于稀疏
这是一个完整的SVM分类器的matlab代码。
一篇非常不错的SVM方面的技术报告,bySteveR.Gunn
用matlab编程实现支持向量机分类,核函数选取,超平面建立等
jnisvmlight.jarsvmlight.dll,javasvm开发工具包
svm结果读取,对01序列进行统计,并且输出统计结果,默认为window和other
