基于BA-SVM及大数据的物资信息价预测.pdf

参考学习

图像分类算法：第一张图像显示的是提取到的HOG特征，这个主要可以初步了解下特征是否选择的合适，不合适可以调节extractHOGFeatures里面的参数，如cellsize,blocksize,bins等，具体可以参考这个点击打开链接 http://cn.mathworks.com/help/vision/ref/extracthogfeatures.html?searchHighlight=extractHOGFeatures&s_tid=doc_srchtitle。本程序选择的默认参数，从图1可以预览到特征分别合适。

SVM算法在统计分类以及回归分析中得到了广泛的应用。而随着物联网的迅速发展，SVM算法在各种应用中往往需要解决大量数据的快速处理问题。在SVM算法并行化研究中，首先对SVM算法进行分析研究，提出了基于CUDA的SVM算法并行化方案；其次，进一步研究海量数据的处理，提出海量数据处理的并行化方案；最后，通过实验分析对比了并行化算法的性能。

人脸识别实战：使用Opencv+SVM实现人脸识别,详见：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/121973738?spm=1001.2014.3001.5501

基于svm的情感识别系统，有gui界面，特征提取是用mfcc。

EDA和ML项目 存储库包含各种项目，这些项目都使用R语言编写了以下代码： 探索性数据分析 机器学习模型（线性回归，逻辑回归，k均值聚类，分层聚类，SVM，决策树，随机森林，时间序列分析，XGBoost） 以下是一些常用的程序包/库的列表，这些程序包/库被用作数据分析和构建机器学习模型的一部分 数据处理： dplyr，plyr，tidyr，stringer，data.table，lubridate（用于日期处理）， 数据可视化： ggplot2，cowplot，ggthemes，比例 ML模型： randomForest，caret（用于数据拆分，交叉验证，预处理，特征选择，变量重要性估计等） 推荐模型： re荐 文本挖掘： tm，tidyverse

预测的例子，主要用向量机回归分析，事先需要安装svm工具箱

qt + opencv RGB活体识别程序demo，通过提取lbp和hog特征，训练人脸，可以判断出是手机图片和视频，打印图片，

改进的基于SVM决策树的多分类算法，刘靖雯，王小捷，标准的SVM是针对两类的分类问题，如何将两类问题推广到多类问题上，是目前研究的一个热点。本文提出了一种改进的基于SVM决策树的多