SVM的参数优化——如何更好的提升分类器的性能，含有源程序和代码
2022-09-21 22:00:40
204KB
MATLAB結合HTK的特徵擷取應用SVM函式 的實際範例 並且可達到即時錄音辨識 輸出 前三個語音辨識的機率
2022-09-21 13:00:57
950KB
支持向量机是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中
2022-09-20 20:00:13
262KB
针对与测试数据分布相同的训练数据不足,相关领域中存在大量的、与测试数据分布相近的训练数据的场景,提出一种基于相似度学习的多源迁移学习算法(SL-MSTL).该算法在经典SVM分类模型的基础上提出一种新的迁移分类模型,增加对多源域与目标域之间的相似度学习,可以有效地利用各源域中的有用信息,提高目标域的分类效果.实验的结果表明了SL-MSTL 算法的有效性和实用性.
2022-09-18 16:30:07
197KB
1
matlab正弦仿真代码SPR
2020
研讨会演讲：广义特征分解
此存储库包含我在
2020
年研讨会上的演讲的代码和演示幻灯片——预测或不预测：建模
EEG
数据、承诺和限制。
演讲题目：时域脑电数据的假设驱动降维与源分离
由于
.
指示
.
要运行演示/教程、模拟和分析，请在
MATLAB
中打开simulations.m
。
请记住首先设置您的工作目录或将文件夹添加到路径。
这个simulations.m
MATLAB脚本在不同的源/偶极子处模拟不同的正弦波，混合它们的活动并将它们投影到64个头皮脑电图电极，并对模拟的头皮脑电数据（混合源）执行广义特征分解（GED）以恢复模拟时空和频率特性。
simulations.m调用的辅助函数：
dipole_project.m
、
filterFGx.m
、
topoplotIndie.m
emptyEEG.mat包含两个结构：
EEG
（用于存储
EEG
数据的空
EEGLAB
结构）
lf
（用于将偶极子活动投影到
64
个通道的前导场矩阵）
座谈会摘要
时域脑电数据的假设驱动降维和源分离
作者
Hause
Lin
-
加拿大多
2022-09-18 14:53:39
5.08MB
1
简单的支持向量机代码，经matlab2014测试有效，可用于分类.支持向量机（Support Vector Machine, SVM）是一类按监督学习（supervised learning）方式对数据进行二元分类的广义线性分类器（generalized linear classifier），其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）[1-3]。SVM使用铰链损失函数（hinge loss）计算经验风险（empirical risk）并在求解系统中加入了正则化项以优化结构风险（structural risk），是一个具有稀疏性和稳健性的分类器 [2] 。SVM可以通过核方法（kernel method）进行非线性分类，是常见的核学习（kernel learning）方法之一 [4]
2022-09-18 11:59:39
5KB
1
针对现实中交通正常运行状态远多于事件状态这一事实,提出了面向不平衡数据集的交通事件检测算法。运用SMOTE (Synthetic Minority Over-sampling Technique)算法重构训练集,使之平衡,以支持向量机(Support Vector Machine ,SVM)作为分类器,对交通事件进行检测。使用美国I-880高速公路获取的交通数据进行算法的训练和性能测试。结果表明,基于SMOTE-SVM的交通事件自动检测(Automatic Incident Detection , AID
2022-09-17 14:18:43
1.24MB
1