Speech Emotion Recognition 用 LSTM、CNN、SVM、MLP 进行语音情感识别，Keras 实现。 改进了特征提取方式，识别准确率提高到了 80% 左右。原来的版本的存档在 。 | 中文文档   Environments Python 3.6.7 Keras 2.2.4   Structure ├── models/ // 模型实现 │   ├── common.py // 所有模型的基类 │   ├── dnn // 神经网络模型 │   │ ├── dnn.py // 所有神经网络模型的基类 │   │ ├── cnn.py // CNN │   │ └── lstm.py // LSTM │   └── ml.py

支持多类的svm分类器，带样例，带详细注释，大家一起交流学习吧

基于二叉树SVM多类分类算法研究文章对应的代码附件，基于二叉树SVM多类分类算法研究文章对应的代码附件，基于二叉树SVM多类分类算法研究文章对应的代码附件。

支持向量机的回归预测问题（经典案例辛烷值预测的代码实现）

mnist分类 使用多种方法完成MNIST分类任务 Python 3.6 火炬1.0 Scikit学习0.21 无需下载数据直接跑，代码自动下载 模型 逻辑回归Logistic回归 多层感知机 K近邻KNN 支持向量机 卷积神经网络 循环神经网络 实验报告 见mnistClassification.pdf 对应的latex原始码： :

基于SVM的频谱感知方法

【SVM分类】基于布谷鸟算法优化实现SVM数据分类matlab源码.zip

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

SVM-KM TOOLBOX支持向量机matlab工具箱

为了构造高维下的近似模型，将最小二乘支持向量机（LS-SVM）引入切割高维模型表示（Cut-HDMR），提出了SVM-HDMR高维非线性近似模型构造法，给出了相应的自适应采样和模型构造算法。该方法利用Cut-HDMR将高维问题转化为一系列低维问题，用LS-SVM求解这些低维问题。数值算例的测试结果表明该方法具有较好的近似精度，且与传统近似方法相比极大地降低了计算成本，从而更适用于高维工程问题的求解。