支持向量机是目前机器学习方法最优秀的方法. 比起神经网络,遗传算法等有较强理论基础,且 引入核函数隐藏了空间映射,是一大优势. 这里是几个PPT课件.

最小二乘法支持向量机matlab程序，具体详细每一步过程。

此应用程序通过 3D 曲线绘制 Frenet 框架。 TNB Frenet 框架包是一个 GUI，可让您绘制 C3 类的 3D 参数函数，并显示穿过它的动画 Frenet 框架。 功能包括： - 用户定义的函数域。 - 可调速度和线宽。 - Evaluate-at 函数，动态显示用于绘图的函数； 然后它可以让您在特定点绘制 Frenet 框架。 - 暂停 - 继续按钮。 我添加它是为了让您暂停绘图并进行 3D 旋转和缩放以获得最佳视图。 它还可以帮助您查看参数实际值。 - 重播按钮； 它可以让您再次绘制图形，但不会丢失您的实际视图。 - 所使用的微积分公式列表。 有关更多详细信息（即安装、提示等），请使用包含的 readme.txt 文件

SVM理论，包含libsvm、关联规则、matlab支持向量机工具箱，相关程序等

支持向量机（SVM）是一种分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，学习策略是间隔最大化，最终可转化为一个凸二次规划问题的求解。包含三个由简至繁的模型：线性可分支持向量机、线性支持向量机、非线性支持向量机。学习支持向量机一个比较高效的方法是序列最小最优算法。

VchooseK(V, K) 创建一个矩阵，其中的行都是选择向量 V 的 K 个元素的组合，无序无重复。 输入： V：DOUBLE、SINGLE、(U)INT8/16/32/64、LOGICAL、CHAR 类的数组。 K：要选择的元素数。 输出： Y：大小为 [N!/K!(NK)!, K] 的矩阵，其中 N 是 V 的元素数。 Y 与输入 V 具有相同的类。 输出等于 Matlab 的 NCHOOSEK，只是 NCHOOSEK 回复标量 V 的组合数： VChooseK(-1, 1) 回复 [-1]: 从长度为 one 的集合中取出一个元素。 NCHOOSEK(-1, 1) 计算 N!/K!(NK)! 失败。 例子： 从 [1,2,3,4] 中选择 2 个元素： V选择K(1:4, 2) ==> [1,2; 1,3; 1,4; 2,3; 2,4; 3,4] 如果可能，为了速度将输

几何问题的安全多方计算在保密位置判断、保密数据查询等方面有着重要的应用价值。但目前大多数几何问题的研究主要集中在平面几何,很少涉及空间几何。文章从一个军事实际问题出发,首先利用两方置换协议和同态加密算法保密计算了空间几何中2个高维向量差的范数,并用模拟范例证明了此方案的安全性。接着,利用此方案设计了空间几何中平行四边形面积的保密计算协议。不同于以往的方案,协议使用了一个有关安全两方置换问题的转化技巧,避免了以往方案中出现的高次模指数运算,因此效率较高;由于方案不局限于三维向量,适合于任何高维向量,更具有普遍意义。

spark mllib 中的数据 支持向量机的数据

向已接受字符数组作为输入的函数添加字符串支持的常用方法是将输入字符串数组转换为字符向量或字符向量元胞数组。 convertStringsToChars 和 convertContainedStringsToChars 函数将字符串数组转换为字符向量或字符向量元胞数组，同时保持其他输入参数不变。 R2017a中发布了convertStringsToChars函数，R2018b中发布了convertContainedStringsToChars。 convertStringsToChars 和 convertContainedStringsToChars 的这种实现有助于编写适用于所有 MATLAB 版本的函数。 这包括早于 R2016b 中字符串数据类型发布的版本。 示例用法： a = convertStringsToChars("行李组合") 一 = '行李组合' a = co

Grain v1算法描述文档、C语言实现源程序及标准测试向量