支持向量机（Support Vector Machine，简称SVM ）是由贝尔实验室研究者Vapnik等于1995年首先提出的一种新的机器学习理论。
SVM主要思想是针对两类分类问题，在高维空间中寻找一个超平面作为两类的分割，以保证最小的分类错误率。
SVM一个重要的优点是可以处理线性不可分的情况，在解决小样本、非线性及高维（避免维灾难）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。
SVM独特的特点：使用训练集的一个子集来表示决策边界，该子集称作支持向量。
2021-08-07 12:06:10
1.74MB
【缺陷识别】基于支持向量机算法实现金属表面缺陷检测matlab源码.md
2021-08-06 09:07:38
13KB
1
【人脸识别】基于 Gabor+SV和PCA+SVM实现人脸识别matlab源码含 GUI.
2021-08-06 09:07:38
18KB
1
【手写数字识别】基于支持向量机SVM实现手写数字识别matlab源码含GUI.md
2021-08-06 09:07:35
14KB
1
含有demo显示。
C#的所有源代码（训练和测试部分）。
封装后的dll文件。
很便于从数据空间角度理解SVM，
还有为编程提供有价值参考。
2021-08-04 22:02:47
385KB
1
1、线性回归，岭回归，Lasso回归，局部加权线性回归
2、logistic回归，softmax回归，最大熵模型
3、广义线性模型
4、Fisher线性判别和线性感知机
5、三层神经网络
6、支持向量机
2021-08-03 13:01:29
2.43MB
基于LSSVM优化组合的风速短期预测，周会友，滕婧，风速受地理环境等因素影响，具有很大的随机波动性，被认为是最难准确预测的参数之一。对风电场风速的准确预测，可有效缓解风速变
2021-07-29 16:37:45
609KB
1
回归分析，函数估计的SVM，有三个参数控制着SVR的性能，包括平衡参数 、 管道宽度和核参数 ，它们都需要预先给定。其中 定义了一个 不敏感函数，并控制着支持向量的数目。如果 管道宽度过大，那么支持向量的数目越少，其拟合函数将不能反映真实的函数特性；反之，如果 管道宽度过小，那么SVR的稀疏性将不能保证。
2021-07-29 12:15:21
403KB
1