为了提高彩色图像分割方法的性能，提出一种基于支持向量机的手动选择样本点集的分割方法。该方法通过人为主观观察颜色特征变化，在像素峰值处选择样本点，使得背景和目标样本点的颜色差异较明显，达到了简化样本点的目的，从而实现了彩色图像的快速分割，同时比较和分析核函数参数及样本点数目的不同对分割效果的影响。
2021-11-23 13:38:02
1.64MB
1
把中英文翻译的数据 转化为模型可以接受的格式
2021-11-23 13:32:59
983B
1
著名的fasttext词向量，上Billion个词，每个词N维，可用于深度模型初始化，BERT之后仍有其价值
2021-11-23 12:45:55
760.15MB
1
针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.
2021-11-22 20:59:32
897KB
1
【预测模型】基于混沌灰狼算法优化支持向量机SVM实现分类matlab源码.zip
2021-11-22 09:17:38
1.32MB
1
采用最小二乘双支持向量机(LSTSVM)进行情感识别，针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题，使用改进的萤火虫算法（MFA）来优选LSTSVM的各项参数，使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号，使用该算法进行情感识别，并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明，提出的MFA-LSTSVM算法识别准确率更高，需要的训练时间更短。
2021-11-22 08:53:45
566KB
1
3．两个向量或矩阵对应元素的比较
函数max和min还能对两个同型的向量或矩阵进行比较，调用格式为：
(1) U=max(A,B)：A,B是两个同型的向量或矩阵，结果U是与A,B同型的向量或矩阵，U的每个元素等于A,B对应元素的较大者。
(2) U=max(A,n)：n是一个标量，结果U是与A同型的向量或矩阵，U的每个元素等于A对应元素和n中的较大者。
min函数的用法和max完全相同。
例6-3 求两个2×3矩阵x, y所有同一位置上的较大元素构成的新矩阵p。
2021-11-21 15:39:13
702KB
1