3
所属分类:人工智能/神经网络/深度学习
开发工具:matlab
文件大小:4382KB
下载次数:19
上传日期:2013-09-10 14:49:53
上 传 者:
kingliu111111
说明: SVM实例教程,如果对支持向量机有兴趣的人,可以下载来学习,适合初学者,
(SVM tutorial examples for beginners)
文件列表:
SVM实例教程 (0, 2013-09-05)
SVM实例教程\1 初识SVM分类与回归 (0, 2013-09-04)
SVM实例教程\1 初识SVM分类与回归\Chapter_ClassifyRegressUsingLibsvm.m (2555, 2013-08-18)
SVM实例教程\1 初识SVM分类与回归\heart_scale.mat (28904, 2005-03-22)
SVM实例教程\1 初识SVM分类与回归\html (0, 2013-09-04)
SVM实例教程\1 初识SVM分类与回归\html\Chapter_ClassifyRegressUsingLibsvm.html (14895, 2013-08-18)
SVM实例教程\1 初识SVM分类与回归\html\Chapter_ClassifyRegressUsingLibsvm.png (1911, 2013-08-18)
SVM实例教程\1 初识SVM分类与回归\html\Chapter_ClassifyRegressUsingLibsvm_01.png (9183, 2013-08-18)
SVM实例教程\2 LIBSVM参数实例详解 (0, 2013-09-04)
SVM实例教程\2 LIBSVM参数实例详解\Chapter_ModelDecryption.m (1308, 2013-08-18)
SVM实例教程\2 LIBSVM参数实例详解\heart_scale.mat (28904, 2005-03-22)
SVM实例教程\2 LIBSVM参数实例详解\html (0, 2013-09-04)
SVM实例教程\2 LIBSVM参数实例详解\html\Chapter_ModelDecryption.html (8933, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别 (0, 2013-09-04)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\chapter_WineClass.m (2429, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\chapter_WineClass.mat (20168, 2010-01-30)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html (0, 2013-09-04)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html\chapter_WineClass.html (13636, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html\chapter_WineClass.png (3346, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html\chapter_WineClass_01.png (6819, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html\chapter_WineClass_02.png (10865, 2013-08-18)
SVM实例教程\3 基于SVM的数据分类预测——意大利葡萄酒种类识别\html\chapter_WineClass_03.png (9098, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能 (0, 2013-09-04)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\chapter_GA.m (6450, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\chapter_GridSearch.m (6042, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\chapter_PSO.m (8453, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html (0, 2013-09-04)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA.html (25844, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA.png (3346, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA_01.png (6819, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA_02.png (10865, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA_03.png (12979, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GA_04.png (9064, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch.html (25305, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch.png (3346, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch_01.png (6819, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch_02.png (10865, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch_03.png (12638, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch_04.png (16328, 2013-08-18)
SVM实例教程\4 SVM的参数优化——如何更好的提升分类器的性能\html\chapter_GridSearch_05.png (21970, 2013-08-18)
... ...
SVM faruto version
by faruto
Email:farutoliyang@gmail.com
2009.11.05
==================================
Content:
scaleForSVM:归一化
函数接口:
[train_scale,test_scale,ps] = scaleForSVM(train_data,test_data,ymin,ymax)
====================================
pcaForSVM:pca降维预处理
函数接口:
[train_pca,test_pca] = pcaForSVM(train,test,threshold)
====================================
fasticaForSVM:ica降维预处理
函数接口:
[train_ica,test_ica] = fasticaForSVM(train,test)
====================================
SVMcgForClass:分类问题参数寻找[grid search based on CV]
函数接口:
[bestacc,bestc,bestg] = SVMcgForClass(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,accstep)
SVMcgForRegress:回归问题参数寻优[grid search based on CV]
函数接口:
[mse,bestc,bestg] = SVMcgForRegress(train_label,train,cmin,cmax,gmin,gmax,v,cstep,gstep,msestep)
======================================
psoSVMcgForClass:分类问题参数寻优[pso based on CV]
函数接口:
[bestCVaccuracy,bestc,bestg,pso_option] = psoSVMcgForClass(train_label,train,pso_option)
psoSVMcgForRegress:回归问题参数寻优[pso based on CV]
函数接口:
[bestCVmse,bestc,bestg,pso_option] = psoSVMcgForRegress(train_label,train,pso_option)
=======================================
gaSVMcgForClass:分类问题参数寻优[ga based on CV]
函数接口:
[bestCVaccuracy,bestc,bestg,ga_option] = gaSVMcgForClass(train_label,train,ga_option)
gaSVMcgForRegress:回归问题参数寻优[ga based on CV]
函数接口:
[bestCVmse,bestc,bestg,ga_option] = gaSVMcgForRegress(train_label,train,ga_option)
======================================
近期下载者:
相关文件:
收藏者: