×

LS-SVMlab公司

swMATH ID: 7367
软件作者: J.A.K.Suykens、T.Van Gestel、J.De Brabanter、B.De Moor、J.Vandewalle
描述: LS-SVMlab:用于最小二乘支持向量机的matlab/c工具箱。支持向量机(Support Vector Machines)是一种解决非线性分类、函数估计和密度估计问题的强大方法,这也导致了基于核的方法的许多其他最新发展。最初,它是在统计学习理论和结构风险最小化的背景下引入的。在这些方法中,可以解决凸优化问题,通常是二次规划。最小二乘支持向量机(LS-SVM)是对标准SVM的重新组合,它可以解决线性KKT系统。LS-SVM与正则化网络和高斯过程密切相关,但还强调并利用了原始-对偶解释。经典模式识别算法(如核Fisher判别分析)的内核版本与非监督学习、递归网络和控制的扩展之间的链接可用。必要时,可以将鲁棒性、稀疏性和权重合并到LS-SVM中,并开发了一个具有三级推理的贝叶斯框架。基于LS-SVM的原对偶公式已经给出核PCA、核CCA和核PLS。最近的发展是在核谱聚类、数据可视化和降维以及生存分析方面。对于超大规模问题,提出了一种固定大小LS-SVM方法。当前的LS-SVMlab工具箱包含许多LS-SVM算法的Matlab/C实现。
主页: http://www.esat.kuleuven.be/sista/lssvmlab/
相关软件: Matlab公司;UCI-毫升;伦敦银行支持向量机;RSVM公司;SVM工具箱;长备忘录;其mr;公牛;OxMetrics公司;朱莉娅;雷格;进展;天秤座;Stata公司;支持向量机;ANFIS公司;PRMLT公司;光学显微镜;GPTIPS系统;PDCO公司
引用于: 26文件

按年份列出的引文