基于HOG的行人检测，刚刚调试过，效果不错！

pegasos-online-svm 支持向量机分类算法的并行实现。 在Hadoop上本地运行。 基于Pegasos pagasos论文的思想-用于二进制分类的L2调节L1损失线性SVM。 参考 Shai Shalev-Shwartz，Yoram Singer和Nathan Srebro。 （2007）。 Pegasos：SVM的原始估计子GrAdient求解器。 ICML2007。http 作者 米哈尔Rachtan -

smo的matlab代码支持向量机 使用序列最小优化 (SMO) 算法进行训练的支持向量机的简单实现。 支持的python版本： Python 2.7 Python 3.4 Python包依赖 麻木 () 文档 设置模型（以下参数为默认值） from SVM import SVM model = SVM ( max_iter = 10000 , kernel_type = 'linear' , C = 1.0 , epsilon = 0.001 ) 训练模型 model . fit ( X , y ) 预测新的观察结果 y_hat = model . predict ( X_test )

博客链接：https://blog.csdn.net/qq_44186838/article/details/118054911 主要功能：数据清洗、文本特征提取、建立模型，评估模型，情感分类

我自己实现的灰度共生矩阵提取结肠癌图像特征，并利用计算机辅助诊断的方法SVM分类Matlab代码。

本系统实现了KNN、朴素贝叶斯和SVM三种分类算法下的文本分类自带训练集和测试集。

多分类支持向量机的一种实现，直接构造多分类优化函数，比一对一、一对多等实现方法，可能更复杂，但分类结果应该更好点。压缩包里包括C源代码和编译好的可执行文件。我这里还有作者配套的论文，需要的请联系，可以一起学习讨论，呵呵

使用词袋模型（bow）和svm对字符图片实现多分类

SVM支持向量机Python代码，更改训练数据集和测试数据集可用

SVM编程（内含数据集） 您需要使用课程中介绍的随机梯度下降法来实现一个版本的软边距支持向量机。您将在给定的数据集（从课程网站下载）上运行代码，然后对测试数据集进行预测。衡量你得分的标准是你在测试数据集上的准确性。（提示：由于测试数据集中没有给定的标签，因此需要从训练集中创建验证数据集以优化参数）。