深度学习与CV教程(12) - 目标检测 (两阶段,R-CNN系列).doc

深度学习与CV教程(10) - 轻量化CNN架构 (SqueezeNet,ShuffleNet,MobileNet等).doc

基于tensorflow的猫狗识别分类算法

粒子群算法+优化支持向量机SVM+回归预测SVR+matlab源代码

灰狼优化算法优化SVM支持向量机后用于手写体数字识别+matlab源代码

鲸鱼优化算法+SVM支持向量机

本教程利用MATLAB软件完成了人体姿态检测的代码搭建、训练、评估，最后利用训练好的检测器可检测单人、多人人体姿态检测等任务。关注B站-小洋葱UP主可以查看代码教程哦~https://www.bilibili.com/video/BV1CZ4y1a7as/?vd_source=9ed785727873c025ff872897e1d95941

已有数据集，使用matlab将机器学习svm算法实现并运行出结果，svm算法通俗的理解在二维上，就是找一分割线把两类分开，问题是如下图三条颜色都可以把点和星划开，但哪条线是最优的呢

支持向量机（support vector machines，SVM）是一种二分类模型，它将实例的特征向量映射为空间中的一些点，SVM 的目的就是想要画出一条线，以 “最好地” 区分这两类点，以至如果以后有了新的点，这条线也能做出很好的分类。SVM 适合中小型数据样本、非线性、高维的分类问题。 SVM 最早是由 Vladimir N. Vapnik 和 Alexey Ya. Chervonenkis 在1963年提出，目前的版本（soft margin）是由 Corinna Cortes 和 Vapnik 在1993年提出，并在1995年发表。深度学习（2012）出现之前，SVM 被认为机器学习中近十几年来最成功，表现最好的算法。

SVM鸢尾花分类Python实现 基于SVM算法实现鸢尾花数据集分类 包括混淆矩阵输出