关于常见机器学习算法例题的解答如ID3决策树、C4.5决策树、感知器、bp神经网络、朴素贝叶斯分类、支持向量机、k-means
2021-06-16 22:05:16
1.92MB
1
SVM-RFE 是生物信息学中强大的特征选择算法。 当特征数量较多时，避免过拟合是一个不错的选择。 但是，当存在高度相关的特征时，它可能会出现偏差。 我们提出了一种“减少相关偏差”的策略来处理它。 请参阅我们的论文（Yan 等人，具有递归特征消除的相关气体传感器数据的特征选择和分析”，2015 年）。 该文件是我们的方法和原始 SVM-RFE 的实现，包括线性和 RBF 内核。 **需要LibSVM** 感谢 SVM-KM 和蜘蛛工具箱！
2021-06-16 18:37:56
12KB
1
An Introduction to Support Vector Machines and Other Kernel-based Learning Methods 支持向量机导论
2021-06-09 17:06:14
4.31MB
1
occ-svm
支持向量机（支持向量机）的一类分类。 这显示了我如何制作一个随机的一类数据集来表示一个小型企业场景，以及如何将OCC与SVM一起使用来分析该数据并查找模式/异常。
2021-06-08 09:20:28
2KB
1
基于支持向量机的遥感图像分类方法,为了提高遥感图像分类的精度,弥补传统最大似然分类方法所固有的分类时样本不足的缺陷,提出了
一种基于支持向量机、光谱特征和纹理特征相结合的遥感图像分类方法。采用ETM数据,按照其所提方法进
行了具体分类实验,并将实验结果与最大似然法分类的结果进行了比较分析。结果表明,利用基于支持向量机
的方法进行遥感图像分类,精度明显优于最大似然法分类的精度。利用光谱特征与纹理特征相结合进行分类比
单纯运用光谱特征进行分类效果要好
2021-06-07 09:25:16
82KB
1