RBF神經(jīng)網(wǎng)絡(luò)對(duì)非線(xiàn)性系統(tǒng)進(jìn)行逼近,運(yùn)行成功,還有不足之處請(qǐng)多多指教
標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò) 非線(xiàn)性系統(tǒng) 運(yùn)行
上傳時(shí)間： 2015-09-11
上傳用戶(hù)：fredguo
使用SVM支持向量機(jī) 預(yù)測(cè)分類(lèi) 使用SVM支持向量機(jī) 預(yù)測(cè)分類(lèi)
標(biāo)簽： SVM 支持向量機(jī) 分類(lèi)
上傳用戶(hù)：lhc9102
將要丟入SVM支持向量機(jī)的資料作正規(guī)化的動(dòng)作
標(biāo)簽： SVM 支持向量機(jī) 動(dòng)作 正
上傳用戶(hù)：cmc_68289287
基于核的學(xué)習(xí)方法SVM(Support Vector Machine)有很好的分類(lèi)識(shí)別性能，這是在SVM的基礎(chǔ)上改進(jìn)的一個(gè)更好的SKM(Support Kernel Machine)Package.
標(biāo)簽： Machine Support Vector SVM
上傳時(shí)間： 2014-01-15
上傳用戶(hù)：13517191407
SVM分類(lèi)，支持向量機(jī)，包括matlab源碼，使用非常方便
標(biāo)簽： SVM 分類(lèi)
上傳時(shí)間： 2013-12-20
上傳用戶(hù)：dsgkjgkjg
關(guān)于支持向量機(jī)的一種較快速的計(jì)算方法,可以提高其計(jì)算速度,SVM-demo算法.
標(biāo)簽： SVM-demo 支持向量機(jī) 計(jì)算方法 算法
上傳時(shí)間： 2014-01-22
上傳用戶(hù)：金宜
兩種SVM特征選擇方法，用PPT詳細(xì)的闡述了作者的思路和實(shí)驗(yàn)情況，非常清除明白。
標(biāo)簽： SVM 特征選擇
上傳時(shí)間： 2014-01-12
上傳用戶(hù)：chongcongying
用RBF人工神經(jīng)網(wǎng)絡(luò)的智能算法,實(shí)現(xiàn)預(yù)測(cè)功能
標(biāo)簽： RBF 人工神經(jīng)網(wǎng)絡(luò) 智能算法 測(cè)功
上傳時(shí)間： 2013-12-09
上傳用戶(hù)：tyler
這是一個(gè)采用c++編寫(xiě)的用于機(jī)器學(xué)習(xí)文本分類(lèi)的SVM算法的實(shí)現(xiàn)代碼。
標(biāo)簽： SVM 編寫(xiě) 機(jī)器學(xué)習(xí) 文本分類(lèi)
上傳時(shí)間： 2013-12-28
上傳用戶(hù)：thuyenvinh
神經(jīng)網(wǎng)絡(luò)RBF網(wǎng)絡(luò)預(yù)測(cè)和分類(lèi)，很實(shí)用的程序
標(biāo)簽： RBF 神經(jīng)網(wǎng)絡(luò) 分類(lèi) 網(wǎng)絡(luò)預(yù)測(cè)
上傳用戶(hù)：caozhizhi
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
