基于Python的支持向量机处理异或问题，值得注意的是，标签数据中的-1代表0，具体为什么用-1代表0，看一下支持向量机的理论知识就可以了。
2023/2/14 21:50:14
7KB
1
本对象为Matlab中的libsvm支持向量机对象箱，版本为3.23，内含heart_scale的测试集。
2023/2/12 12:38:43
851KB
1
基于MFCC和SVM的说话人性别识别建立了普通话语音性别数据库,提出联合梅尔频率频谱系数(Mel-frequencyCepstrumCoefficients,MFCC)的特征提取方法和支持向量机(SupportVectorMachine,SVM)的分类方法进行说话人性别识别,并与其它分类方法进行比较,实验结果表明该方法的说话人性别识别精确率达到98.7%,明显优于其它分类器。
2023/2/4 21:53:55
520KB
1
遥感处理软件，内置常见的机器学习算法随机森林和支持向量机，随机森林算法可以输出特征重要性，RFE_SVM可以进行特征选择，同时内置农业、土壤、水体行业使用模块
2019/1/13 19:42:30
655.62MB
1
笔迹鉴别是通过分析手写笔迹信息来判断书写者身份的特征分析技术，为提高笔迹鉴别的科学性和准确性，设计了基于ARM嵌入式系统的文本独立（Text-independent）笔迹鉴别系统。
系统包括笔迹采集端、数据传输部分和上位机处理端3个部分。
首先给出了总体设计和详细的工作流程，并对笔迹信息采集模块和数据传输部分进行分析，最初结合笔迹图像预处理技术和纹理特征分析方法，采用基于多维度Gabor变换和支持向量机（SupportVectorMachines，SVM）方法进行实时笔迹鉴别。
实验表明，系统鉴别率高，达到了良好的预期效果。
系统包括笔迹采集端、数据传输部分和上位机处理端3个部分。
首先给出了总体设计和详细的工作流程，并对笔迹信息采集模块和数据传输部分进行分析，最初结合笔迹图像预处理技术和纹理特征分析方法，采用基于多维度Gabor变换和支持向量机（SupportVectorMachines，SVM）方法进行实时笔迹鉴别。
实验表明，系统鉴别率高，达到了良好的预期效果。
2017/2/18 22:47:29
1.93MB
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