码迷,mamicode.com
首页 >  
搜索关键字:vq svm    ( 1472个结果
MatLab2012b/MatLab2013b 分类器大全(svm,knn,随机森林等)
train_data是训练特征数据, train_label是分类标签。Predict_label是预测的标签。MatLab训练数据, 得到语义标签向量 Scores(概率输出)。1.逻辑回归(多项式MultiNomial logistic Regression)Factor = mnrfit(tr...
分类:其他好文   时间:2014-11-13 20:41:50    阅读次数:211
SVM推导过程及SMO详细求解过程(一)
《PRML》中SVM支持向量机的推导过程!...
分类:其他好文   时间:2014-11-13 14:43:20    阅读次数:928
目标检測的图像特征提取之(一)HOG特征
1、HOG特征: 方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检測的特征描写叙述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中,尤其在行人检測中...
分类:其他好文   时间:2014-11-10 13:38:56    阅读次数:205
支持向量机通俗导论 ——理解SVM的三层境界 总结
1.什么是支持向量机(SVM) 所谓支持向量机,顾名思义,分为两部分了解:一,什么是支持向量(简单来说,就是支持或支撑平面上把两类类别划分开来的超平面的向量点);二,这里的“机(machine,机器)”便是一个算法。在机器学习领域,常把一些算法看做是一个机器,如分类机,而支持向量机本身便是一种监督....
分类:其他好文   时间:2014-11-08 18:01:47    阅读次数:287
数据挖掘十大经典算法
国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法:C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, N...
分类:编程语言   时间:2014-11-08 14:58:18    阅读次数:236
SVM 最大间隔目标优化函数(NG课件2)
目标是优化几何边距, 通过函数边距来表示需要限制||w|| = 1 还是优化几何边距,St去掉||w||=1限制转为普通函数边距 更进一步的,可以固定函数边距为1,调节||w||即可
分类:其他好文   时间:2014-11-07 16:53:35    阅读次数:162
机器学习算法:AdaBoost
AdaBoost算法(AdaptiveBoost)的核心思想是:如果一个弱分类器的分类效果不好,那么就构建多个弱分类器,综合考虑它们的分类结果和权重来决定最终的分类结果。很多人认为AdaBoost是监督学习中最强大的两种算法之一(另一个是支持向量机SVM)。AdaBoost的训练过程如下:为每个..
分类:编程语言   时间:2014-11-06 15:09:33    阅读次数:225
数据挖掘十大经典算法
国际权威的学术组织the IEEE International Conference on Data Mining (ICDM) 2006年12月评选出了数据挖掘领域的十大经典算法:C4.5, k-Means, SVM, Apriori, EM, PageRank, AdaBoost, kNN, N...
分类:编程语言   时间:2014-11-06 12:23:39    阅读次数:211
hdu 5095 Linearization of the kernel functions in SVM(模拟)
hdu 5095 Linearization of the kernel functions in SVM(模拟) —— black的专栏——waShaXiu...
分类:其他好文   时间:2014-11-05 17:21:04    阅读次数:199
数据挖掘十大算法总结--核心思想,算法优缺点,应用领域
参考了许多资料加上个人理解,对十大算法进行如下分类: ?分类算法:C4.5,CART,Adaboost,NaiveBayes,KNN,SVM ?聚类算法:KMeans ?统计学习:EM ?关联分析:Apriori ?链接挖掘:PageRank...
分类:编程语言   时间:2014-11-03 11:32:18    阅读次数:241
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!