暂无评论
SVM支持向量机第一个部分旨在使用可视化的方式让同学们理解SVM的工作原理SVM分割线SVM的支持向量.并且使用实例证明SVM的分割线只由支持向量唯一缺点与线性回归逻辑回归不一样SVM对异常数据具有较
基于线性最小二乘支持向量机的光谱端元选择算法，王立国，邓禄群，光谱端元选择是高光谱数据解混分析的重要前提。在各种端元选择算法中，N-FINDR算法因其自动性和高效性受到广泛欢迎。然而，该算法�
基于线性感知器的手写数字分类（SVM,支持向量机），附带测试集和训练集。有详细的代码介绍和分类流程说明，有利于读者深入理解基本原理和操作流程
支持向量机学习算法，包括测试集和数据集，demo及代码
对应于机器学习教程进行实战，通过代码的实现，理解机器学习中支持向量机的原理。
支持向量机导论方面不错的学习材料，中文的，适合大家支持向量机（SVM）是在统计学习理论的基础上发展起来的新一代学习算法，它在文本分类、手写识别、图像分类、生物信息学等领域中获行较好的应用。本书是第
About SVM and Lagrange Multiplier.
这是支持向量机的MATLAB程序，主要用于数据的分类等情况
svm不再困惑
本资源包含支持向量机的数学原理，多个代码例程文件，亲测matlab2018b通过，建议直接修改输入神经元个数和输入向量，另外，其算法接口与BP神经网络几乎完全一致，上手比较快
暂无评论