支持向量机SVM求解鸢尾花分类成绩,分别用rbf、poly、linear核函数求解
2020/1/12 19:11:05
4KB
1
支撑向量机SVM和支撑向量回归SVR的参数寻优工具箱MATLAB版，对于不想太深入了解c++版的工具箱有很大协助，另外不用调试参数，而是寻优取得
2018/1/7 6:14:19
365KB
1
数据挖掘实验报告、基于R言语实现，包括数据、算法描述、代码、实验分析、软件Rstudio等内容，分类算法包括随机森林、Adaboosting、K近邻、神经网络、支持向量机、朴素贝叶斯等，聚类算法包括K-Means聚类、层次聚类、SOM网络聚类和关联规则。
2018/3/2 5:45:02
92.32MB
1
数据挖掘实验报告、基于R言语实现，包括数据、算法描述、代码、实验分析、软件Rstudio等内容，分类算法包括随机森林、Adaboosting、K近邻、神经网络、支持向量机、朴素贝叶斯等，聚类算法包括K-Means聚类、层次聚类、SOM网络聚类和关联规则。
2018/3/2 5:45:02
92.32MB
1
ML算法：线性回归逻辑回归朴素贝叶斯知识网络K均值决策树随机森林支持向量机ANN....等排序算法：快速排序气泡排序合并排序插入排序...等数据结构和算法：Queue列二叉树链表跳过清单BFS，DFS....等DSP和多媒体技术：快速傅立叶变换小波哈夫曼...等
2017/1/7 17:36:11
645KB
1
首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2020/7/14 17:04:21
256KB
1
首先产生若干种群（特征子集），然后用PSO算法对特征及参数进行优化。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
在UCI标准数据集上进行的仿真实验表明，该算法可无效地找出合适的特征子集及LS-SVM参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM算法相比具有较好的分类效果。
2016/6/20 2:21:45
256KB
1
为处理低速率声码器合成语音中，由于语音帧清浊判决不够准确而造成的偶发性嘶哑、机器音较重及变调等问题，提出一种基于支持向量机（SupportVectorMachine，SVM）并结合多种语音特征参数的清浊音判决优化算法。
实验结果显示，该算法能够有效降低清浊音的误判率，进而使合成语音的清晰度和自然度得到改善。
将本算法应用到正弦激励线性预测算法中，在与相同码率的其他算法的比较实验中，得到较高的PESQ-MOS分，显示出一定的优势。
实验结果显示，该算法能够有效降低清浊音的误判率，进而使合成语音的清晰度和自然度得到改善。
将本算法应用到正弦激励线性预测算法中，在与相同码率的其他算法的比较实验中，得到较高的PESQ-MOS分，显示出一定的优势。
2021/1/9 20:13:48
1.01MB
1
人类行为识别的目的是通过一系列的观察，对人类的动作类型、行为模式进行分析和识别，并使用自然语言等方式对其进行描述的计算机技术。
由于人类行为的复杂性和多样性，往往识别出的结果是多样性的，并且连带着行为类型的概率输出的。
随着信息技术的发展，各种移动设备和可穿戴设备正在以加速度的方式增长，其功能和嵌入的传感器也变的多样化，例如：高清相机、光传感器、陀螺仪传感器、加速度传感器、GPS以及温度传感器等。
各种各样的传感器都在时刻的记录着使用者的信息，这些记录信息不仅可以用于用户位置的预测，也可以进行用户行为的识别等。
本文使用了智能设备加速度传感器的数据，结合支持向量机的特性进行人类行为识别模型的设计和应用
由于人类行为的复杂性和多样性，往往识别出的结果是多样性的，并且连带着行为类型的概率输出的。
随着信息技术的发展，各种移动设备和可穿戴设备正在以加速度的方式增长，其功能和嵌入的传感器也变的多样化，例如：高清相机、光传感器、陀螺仪传感器、加速度传感器、GPS以及温度传感器等。
各种各样的传感器都在时刻的记录着使用者的信息，这些记录信息不仅可以用于用户位置的预测，也可以进行用户行为的识别等。
本文使用了智能设备加速度传感器的数据，结合支持向量机的特性进行人类行为识别模型的设计和应用
2017/1/12 13:41:29
515KB
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