SMO算法是实现SVM的快速方法，本资源主要针对的是SVM的算法中的其中一种实现方法——SMO。SMO运用迭代的思想，一次迭代两个参数，从而使得收敛及其快速。注：请运行与阅读MYSVMEXE.m代码
2022-03-14 03:09:29
6KB
1
使用指令的操作对SVM、MLP、LSTM算法进行了训练和测试的操作，采用CASIA数据集进行训练，需要安装python的语音处理报librosa，还有可以使用opensmile的部分，内容较为丰富
2022-03-14 00:09:48
73.04MB
1
提出一种基于SVM的宽带测向新方法，利用频域相关技术提取宽带范围内感兴趣的信号的相位差，利用此相位差作为支持向量机的输入特征训练DOA（Direction Of Arrival）估计模型，对宽带范围内的多个窄带或宽带信号进行测向。训练后的模型针对的是一个较宽的频段范围，有效避免了其他算法要针对不同频率频繁调整模型的问题，大大降低了计算量。实验结果也验证了该方法具有较高的测向精度和较快的测向速度。
2022-03-13 21:34:57
589KB
1
提出了一种基于数字信号处理器(DSP)和支持向量机(SVM)的风电齿轮箱故障诊断的方法。分解和提取了Libsvm代码移植于DSP芯片TMS320F28335,实现了支持向量机并应用于风电齿轮箱故障诊断。该方法较好地解决了小样本学习问题,同时又具有低功耗、低成本、通用性强和可实时控制的优点。实验结果表明,在保证较高预测正确率、运行速度较快和较大数据量读取前提下,Libsvm能够正确运行于芯片,有效应用于齿轮箱故障诊断。
2022-03-13 10:16:39
235KB
1