对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理，分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度，本文构建了SVM支持向量机回归模型，并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型，采用留一法交叉验证将单个井作为测试集，其余不包含该井的测井数据作为训练集，以此来分析单个井的孔隙度预测结果。 对影响因素数据（除去取值深度）进行主成分分析（PCA），将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列，以六类流体性质（含油水层、差油层、干层、水层、油层及油水同层）作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题，因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向：统计学及机器学习算法（SVM）的实例应用 关键词：SVM支持向量机；留一法交叉验证；主成分分析；matlab

CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 相关文章：CV之FD之HOG：图像检测之基于HOG算法、简介、代码实现(计算图像相似度)之详细攻略 1、手写Hog特征提取算法 import numpy as np import cv2 #1、灰度图像gamma校正 def gamma(img): return np.power(img / 255.0, 1) #2、获取梯度值cell图像，梯度方向cell图像 def div(img, cell_x, cell_y, cel

三、SVM的C语言编程介绍 1.求解SVM的两个开源开发包： Libsvm: http://www.csie.ntu.edu.tw/~cjlin SVM-light：http://ais.gmd.de/~thorsten/svm_light : : ... 2. 利用SVM的C语言程序直接进行分类器的训练和测试： 例： 1 1:67 2:66 3:72 4:72 5:59 6:71 7:54 8:67 9:79 -1 1:101 2:108 3:100 4:99 5:102 6:95 7:93 8:96 9:89

遗传算法优化SVM分类 程序完整 亲测可用！

svm分类器，用于对曲线进行分类

006_基于支持向量机(SVM)的时间序列预测 Matlab代码实现过程，调用了libsvm工具箱实现

基于SVM的金融时间序列分析的研究，刘迪，，本文通过比较支持向量机（SVM）和自回归移动平均模型(ARIMA)在金融时间序列回归分析的实验，提出了一种新的SVM和ARIMA的组合模型。该模

支持向量机(support vector machine, SVM)是一种新的机器学习方法,其基础是Vapnik创建的统计学习理论(statistical learning theory, STL)。统计学习理论采用结构风险最小化(structural risk minimization, SRM)准则,在最小化样本点误差的同时,最小化结构风险,提高了模型的泛化能力,且没有数据维数的限制。在进行线性分类时,将分类面取在离两类样本距离较大的地方;进行非线性分类时通过高维空间变换,将非线性分类变成高维空间的线性分、类问题。 libsvm工具箱是台湾大学林智仁(C.JLin)等人开发的一套简单的、易于使用的SVM模 式识别与回归机软件包该软件包利用收敛性证明的成果改进算法，取得了很好的结果。libsvm共实现了5种类型的SVM:C-SVC,u-SVC,One Class - SVC,e- SVR 和u-SVR等。

配置好opencv249和VS2012的环境之后，设置好工程项目的属性，运行HOGvisualize\Debug或HOGvisualize\Release目录下的opencvtest.exe程序便可看到运行结果，即objimg.jpg图片的hog特征可视化图像hogvisualize.jpg。程序里有较为详细的注释，可以帮助理解hog特征的可视化过程，希望此程序对你有帮助，谢谢。

用c语言实现支持向量机的算法，内容很好的，真的