这里实现了四种SVM工具箱的分类与回归算法1、工具箱：LS_SVMlabClassification_LS_SVMlab.m-多类分类Regression_LS_SVMlab.m-函数拟合2、工具箱：OSU_SVM3.00Classification_OSU_SVM.m-多类分类3、工具箱：stprtool\svmClassification_stprtool.m-多类分类4、工具箱：SVM_SteveGunnClassification_SVM_SteveGunn.m-二类分类Regression_SVM_SteveGunn.m-函数拟合
2023/12/15 17:58:15
232KB
1
该书是MATLAB中文论坛神经网络版块数千个帖子的总结，充分强调“案例实用性、程序可模仿性”。
所有案例均来自于论坛会员的切身需求，保证每一个案例都与实际课题相结合。
读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
所有案例均来自于论坛会员的切身需求，保证每一个案例都与实际课题相结合。
读者调用案例的时候，只要把案例中的数据换成自己需要处理的数据，即可实现自己想要的网络。
如果在实现过程中有任何疑问，可以随时在MATLAB中文论坛与作者交流，作者每天在线，有问必答。
该书共有30个MATLAB神经网络的案例(含可运行程序），包括BP、RBF、SVM、SOM、Hopfield、LVQ、Elman、小波等神经网络；
还包含PSO(粒子群）、灰色神经网络、模糊网络、概率神经网络、遗传算法优化等内容。
该书另有31个配套的教学视频帮助读者更深入地了解神经网络。
2023/12/13 2:30:38
6.57MB
1
这是我在做项目时，给下一届接手的人写的一个关于Eigen库的快速上手手册，主要是针对于项目的应用来写的。
当时使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。
而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。
这篇使用说明是在2016年7月14日完成的。
下面就是关于Eigen矩阵库的使用说明。
当时使用Eigen库的目的是，将Matlab写的，LPCC和MFCC两种声音识别算法，十字形声阵列的MUSIC定位算法，和SVM分类器算法，转换成C++然后移植到到ARM处理器上（操作系统级上的并不是裸机）。
而使用Eigen库的原因就是，其能够在编译时进一步优化，而且只需导入头文件即可进行调用，而不像其他的一些库需要安装那么麻烦。
这篇使用说明是在2016年7月14日完成的。
下面就是关于Eigen矩阵库的使用说明。
2023/12/11 4:13:24
1.47MB
1
用MATLAB编写的svm源程序，可以实现支持向量机，用于特征分类或提取-MATLABsvmpreparedbythesource,canachieveasupportvectormachineforthefeatureclassificationorextract
2023/12/6 12:22:16
140KB
1
一种基于AdaBoost的SVM分类器，有具体的算法步骤，可以编程实现，对于初步研究机器学习的人很有帮助哦
2023/12/6 7:07:10
412KB
1
本人课程作业，直接运行Optimize.m即可进行测试。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
其中除了SVM部分利用Matlab现有库，其余皆为自己编写的程序，由于预选框采用变尺度滑动，所以运行会比较慢，请谅解。
2023/12/1 11:08:02
35.35MB
1
本demo主要是提供了SVM在数据集为线性、非线性可分情况下的分类面可视化，对于svm初学者而言，具有一定的借鉴意义。
2023/11/29 17:19:51
280KB
1
试图将卷积神经网络的优势与支持向量机的稳定性相结合，利用训练好的卷积层与池化层提取图片的特征，放入支持向量机中进行训练，进行分类操作。
其意义在于利用SVM来替换卷积网络中的全连接层，经实验验证，效果会提升2%-3%，这是一个很可观的提升，并且具备着广泛的意义，在各项其他环境下都能起到不错的效果。
其意义在于利用SVM来替换卷积网络中的全连接层，经实验验证，效果会提升2%-3%，这是一个很可观的提升，并且具备着广泛的意义，在各项其他环境下都能起到不错的效果。
2023/11/20 12:03:25
15MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB