support vector machine 相关讲义

超球结构支持向量机用于多分类问题。Support vector machines (SVM) are learning algorithms derived from statistical lear

Air Pollutant Concentration Forecast Based on Support Vector Regression and Quantum-Behaved Particle

Using support vector machines with tract-based spatial statistics for automated classification of To

MachineLearning机器学习讲义

本论文首次提出了SMO算法,用于优化二次规划问题,显著提高了SVM算法速度和准确性,为机器学习的发展做出了巨大贡献。

一类实时求解支持向量拟合的连续反馈神经网络模型，刘庆山，，本文提出了一类通过微分方程描述的连续时间反馈神经网络模型用以实时求解支持向量拟合问题。首先,支持向量拟合被描述成一个约束��

这一讲主要介绍SVM，介绍优化的边界分类器以及Lagrangeduality的概念

这一讲介绍SVM中引入Regularization处理数据非线性可分的情况，以及SMO算法。

A particle swarm optimization (PSO)-based least square support vector machine (LS-SVM) method was in

这一讲主要介绍SVM的基本概念，介绍margin，函数margin和几何margin的概念。