基于一个公开数据集和一个BCI竞赛数据集，提供一个SVM-CSP运动想象二分类demo，详见https://www.xxy.ink/learn/bci/2.html。包含脑电CSP特征提取，运动想象支持向量机分类，bbci和biosig工具箱等。
2021-04-03 19:02:17
189.51MB
1
提出一种新型的基于光滑Ramp损失函数的健壮支持向量机，能够有效抑制孤立点对泛化性能的影响，并采用CCCP将它的非凸优化目标函数转换成连续、二次可微的凸优化。在此基础上，给出训练健壮支持向量机的一种Newton型算法并且分析了算法的收敛性质。实验结果表明，提出的健壮支持向量机对孤立点不敏感，在各种数据集上均获得了比传统的SVMlight算法和Newton-Primal算法更优的泛化能力。
2021-04-03 13:27:04
195KB
1
根据《Pattern Recognition and Machine Learning》这本书的第7章（稀疏核机）的7.1节，介绍了样本数据线性可分的线性可分支持向量机和样本数据重叠的线性支持向量机，以及支持向量回归。详细介绍了公式的推导过程，以及SMO算法。
2021-04-02 15:46:03
719KB
1