SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。
目前，构造SVM多类分类器的方法主要有两类
（1）直接法，直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中；
（2）间接法，主要是通过组合多个二分类器来实现多分类器的构造，常见的方法有one-against-one和one-against-all两种。
2024-03-06 22:44:41
2KB
1
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
2023-04-27 21:41:49
2.55MB
1
Support_Vecor_Machine_Implementation
借助梯度下降算法实现svm实现，以减少错误函数，仅使用numpy和matplotlib来实现它。
2022-12-17 20:35:16
2KB
1
机器学习 深度学习 人工智能代码（python）用SVM实现人脸识别 附带结果
2022-12-14 21:05:41
290KB
1
brainTumor:实现了垂体瘤，胶质瘤和脑膜瘤的图像分类，先进行CTMR图像的分类，采用HOG + SVM算法实现，再进行图像识别，采用CNN或多特征+ SVM实现，系统界面pyQT构建
2022-10-19 21:32:39
55.24MB
1
【SVM预测】基于松鼠算法优化支持向量机SVM实现数据预测附matlab代码
2022-09-28 15:13:32
1.04MB
1
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代码模型及运行结果
2022-07-12 12:13:04
1.02MB
1
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仿真代码介绍
2022-07-10 22:27:34
490KB
1