支持向量机

支持向量机和核方法Matlab工具箱。关键特征:支持向量机分类使用线性和二次惩罚错误的例子(惩罚系数可以是不同的每个例子);支持向量机分类的最近点算法;多类支持向量机:一对所有,一对一和M-SVM;大规模支持向量机分类/回归;支持向量机epsilon和nu回归;一类支持向量机;正规化网络;支持向量机界(跨度估计,半径/边距);小波核;基于支持向量机的特征选择;核主成分分析;核判别分析;基于支持向量机的特征选择;支持向量机AUC优化(Ranking-SVM,ROC-SVM)和RankBoost;核基追踪和最小角度回归(LARS)算法;小波核回归;与libsvm的一个版本接口。


zbMATH中的参考文献(参考文献30篇文章)

显示第1到第20个结果,共30个。
按年份排序(引用)
  1. 苏斯纳,彼得;以色列坎皮奥蒂:新型混合形态/线性感知器的极限学习机(2020)
  2. 黄敬美;金,多云;李京锡;李春墨;Park,Sungsoo:使用符号分类的嵌入式变量选择方法(2017)
  3. 肖燕才;王玉佳;穆欢;Kang,Na:基于混合域特征的风电机组失调故障隔离研究(2017)
  4. 李建辉;王芳;李金伟;邹瑞彪;廖桂平:油菜氮营养定性诊断模型的多重分形方法(2016)
  5. 布维隆,C。;福维尔,M。;Girard,S.:简约高斯过程模型的核判别分析和聚类(2015)
  6. 露丝,罗尼;D'Aspremont,Alexandre:使用文本分类预测新闻的异常回报(2015)
  7. 王世军;李,戴安娜;佩特里克,尼古拉斯;萨希纳,伯克曼;林格拉鲁,马吕斯·乔治;Summers,Ronald M.:使用半监督学习优化ROC曲线下的面积(2015)
  8. 德维托,欧内斯托;罗萨斯科,洛伦佐;Toigo,Alessandro:带分离核的学习集(2014)
  9. 黄小林;石磊;Suykens,Johan A.K.:不对称最小二乘支持向量机分类器(2014)
  10. 妈妈,安迪J。;Yuen,Pong C.:简化分析依赖建模:视觉识别的鲁棒融合(2014)
  11. 米切莱蒂,纳坦;弗赖斯蒂,萝莉;罗伯特,西尔文;鲁恩伯格,迈克尔;佩德拉齐尼,安德里亚;贾博耶多夫,米歇尔;Kanevski,Mikhail:滑坡敏感性制图的机器学习特征选择方法(2014)
  12. 托,卡安;Tan,Geok Choo:通过数据转换挖掘几个二元分类器之间的关系(2014)
  13. 王芳;邹瑞彪;廖桂平;李金伟;刘子强:茶叶品种识别的局部多重分形去趋势波动分析(2014)
  14. 宋,玄金;崔国凯。;李,伊金;赵亮;Lamb,David:高维问题可靠性分析的自适应虚拟支持向量机(2013)
  15. 赵金伟;阎桂荣;冯伯勤;毛文涛;白俊卿:基于新的统一正交多项式序列的自适应支持向量回归(2013)
  16. 金永成;托,卡安;泰奥,安德鲁·本金;恩,怎么肺;邱伟云:二元分类的在线AUC公式(2012)
  17. Kwak,Nojun:回归问题的核判别分析(2012)
  18. 弗赖斯蒂,萝莉;图雅,设计;卡涅夫斯基,米哈伊尔;Pozdnoukhov,Alexei:学习多核风场(2011)
  19. 华、林;周平、周平;刘洪;李,林;杨、郑;刘志成:结合网络拓扑特性和支持向量回归从SNP数据中挖掘易感基因模块和疾病风险基因(2011)
  20. 胡永刚;王勇;吴仪;李强;侯晨平:再生核Hilbert空间中的广义马氏深度(2011)