Support_Vecor_Machine_Implementation
借助梯度下降算法实现svm实现，以减少错误函数，仅使用numpy和matplotlib来实现它。
2022-12-17 20:35:16
2KB
1
比较了现今应用比较广泛的3种支持向量机( SVM)参数优化方法. 具体分析了网格法、遗传算法和粒子群算 法在 SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法. 先在较大范围内进行搜索,在得到的优化结果 附近区域再进行精确搜索. 实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.
2022-12-16 13:52:49
422KB
1
机器学习 深度学习 人工智能代码（python）用SVM实现人脸识别 附带结果
2022-12-14 21:05:41
290KB
1
统计学期末课程作业_python自定义实现CNN_KNN_NN_SVM网络模型源码+说明文件.zip
【CNN实现】
cnn1.py: LeNet+ReLU;
cnn2.py: 在cnn1的基础上加宽全连接层;
cnn3.py: 在cnn2的基础上修改卷积核;
cnn4.py: 在cnn3的基础上修改卷积核;
cnn5.py: 在cnn4的基础上加宽全连接层;
cnn6.py: 在cnn3的基础上加宽全连接层;
cnn7.py: 在cnn6的基础上加宽全连接层;
cnn8.py: 在cnn6的基础上加入Dropout层;
等等
【KNN实现】
knn.py: 标准KNN,k=1,3,5,7,9;
【NN实现】
nn1.py: 784-800-15 (修改激活函数);
nn2.py: 784-2500-2000-1500-1000-500-15 (修改激活函数);
nn3.py: 在nn2的基础上修改数据预处理方式;
【SVM】
svm.py: 核函数(linear,rbf,poly,sigmoid);
另包含【运行指南】和【最终选择模型】
2022-12-14 16:26:40
509.6MB
svm算法手写matlab代码机器学习
大家好，
我上传了我的机器学习在线课程作业，该课程由斯坦福大学的Andrew
NJ教授教授。
所有代码都可以由MATLAB
/
Octave（4.4.0或更高版本）运行，并且为了提供有关每种练习的更多信息，需要准备一个文档文件。
最好先阅读一下并熟悉功能。
只需要运行以“
exNUM.m”命名的主函数，例如ex5.m
以下是每个练习的简要信息：
HW1：线性回归。
在本练习中，我实现了线性回归方法，并看到了它在样本数据上的工作原理。
硬件2：逻辑回归。
在练习的第一部分，我建立了一个逻辑回归模型来预测学生是否被大学录取。
我使用线性决策边界对数据进行分类。
在练习的第二部分中，我实施了正则逻辑回归，以预测来自制造工厂的微芯片是否通过质量保证（QA）。
使用非线性决策边界和正则项。
HW3：神经网络的多类分类和实际使用。
在练习的第一部分中，我使用了逻辑回归的先前实现，并将其应用于“一对多”分类以识别手写数字（从0到9）。
最后，我获得了95％的训练集准确性。
在练习的下一部分中，我使用MPL神经网络库完成了先前的任务，令人惊讶的是准确性达到了97
2022-12-14 16:02:56
28.95MB
1
基于PCA和SVM的实时人脸识别：
faceCapture:首先采集需要被识别人的人脸，每人采取10张，统一格式大小，放入人脸数据库中；
ReadFace:读入训练的人脸数据；
fastPCA:PCA降维；
scaling:训练数据归一化；
train:使用SVM支持向量机训练模型；
imageAcquision:
读入人脸照片—>灰度化—>检测人脸—>扣出人脸—>归一化尺寸—>在训练集的特征子空间中降维—>在训练集每维的最大最小值上数据归一化—>利用训练好的模型预测—>显示
2022-12-13 13:26:07
14.7MB
MATLAB实现PSO-SVM粒子群优化支持向量机时间序列预测，Matlab完整程序和数据
数据为单变量时间序列数据，含粒子群优化前后的对比，预测对象为股票价格。
2022-12-13 13:26:06
3.47MB
毕设新项目
基于SVM和LSTM实现的购物平台商品评论情感对比分析毕设源码+数据集+模型+项目说明.7z
【项目介绍】
使用Selenium模拟真实登录行为，并爬取数据
数据清理
将词汇向量化
使用jieba精确模式进行分词，构造词典
创建词语字典，并返回每个词语的索引，词向量，以及每个句子所对应的词语索引
分类模型对比。
【备注】主要针对正在做毕设的同学和需要项目实战的机器学习、深度学习cv图像识别模式识别方向学习者。
也可作为课程设计、期末大作业。包含：项目源码、训练好的模型、项目操作说明等，该项目可直接作为毕设使用。
也可以用来学习、参考、借鉴。如果基础不错，在此代码上做修改，训练其他模型。
2022-12-13 13:26:04
49.86MB
使用PCA、NMF和HOG特征，分别配以KNN（k=1,3,5）和SVM两类分类器，实现对交通标志的分类（包括对其余类的拒识）（Matlab完整源码和数据）
PCA_KNN : PCA + KNN
PCA_SVM : PCA + SVM
NMF_KNN : NMF + KNN
NMF_SVM : NMF + SVM
HOG_KNN : HOG + KNN
HOG_SVM : HOG + SVM
2022-12-13 13:26:02
13.78MB
基于机器学习GRU_CNN_KNN_SVM_RF5种实现的web攻击检测系统项目源码+数据集+模型+项目说明.7z
基于聚类的XSS和SQL注入检测
基于机器学习的XSS和SQL注入检测
现了基于GRU，CNN，KNN，SVM，RF共五个检测模型
检测过程：数据加载-》数据预处理(urldecode和转小写)->向量化（预训练word2Vec模型，padding补齐）->模型训练->模型预测->模型评估
2022-12-13 13:26:00
21.43MB