线性支持向量机

LIbSVM是支持向量机(SVM)的一个库。自2000以来,我们一直在积极发展这项计划。其目的是帮助用户容易地将SVM应用到他们的应用中。LBSVM在机器学习等许多领域得到了广泛的应用。在本文中,我们提出了所有的LIbSVM的实现细节。讨论了解决SVM优化问题、理论收敛、多类分类概率估计和参数选择等问题:HTTP://DLACM.Org/CITION.CFM?ID=1961199


ZBMaCT中的参考文献(961篇文章中引用)

显示结果41至60的961。
按年份排序(引文
  1. Singh,Kulbr;KaSAL,Ankush;Singh,GurNe:一个改进的中值滤波反取证,具有更好的图像质量和法医不可检测性(2019)
  2. Sudo,Kotaro;Osgi,Naoya;Kanamori,Takafumi:域匹配互推荐的数值研究(2019)
  3. 太阳,Tianxiao;夸克,Tran Dinh:广义自协调函数:牛顿型方法的一个方程式(2019)
  4. 田,Baoguang;吴,薛;陈,程;邱,文英;马,秦,禹,秦:融合各种伪伪分量和小波去噪方法预测蛋白质相互作用(2019)
  5. Vinod Kumar Chauhan,Anuj Sharma,Kalpana Dahiya:LIbs2ML:一个可扩展的二阶机器学习算法库(2019)阿西夫
  6. 王,郭强;余,博:PA-HOM方法QP及其在LP(2019)中的应用
  7. 王,洁;张,Zhanqiu;叶,洁平:基于凸集分解的稀疏群Laso两层特征约简(2019)
  8. 王,Ruoxi;李,Yingzhou;马奥尼,Michael W.;DARVE,埃里克:可伸缩核评价的分块基础分解(2019)
  9. 王,闻喜;S·Nordar,哈拉尔德;Stuckey,Peter J.:WouBIT:使用字级传播的组合比特向量求解器(2019)
  10. 萧,林;于,Adams Wei;林,Qihang;陈,陈:DSCOVR:异步分布优化的随机原始双块坐标算法(2019)
  11. 严,He;叶,乔琳;于,董俊:基于最小L1范数距离度量准则的高效稳健TWSVM分类(2019)
  12. 吉田,Tomoki;Takeuchi,IHIRO;乌山,Masayuki:距离度量学习的安全三重筛选(2019)
  13. 袁,Feiniu;夏,雪;石,金霆:基于整体学习的烟雾识别高阶特征描述符(2019)
  14. 张,魏峰;胡,华;胡,海阳;Fang,Jinglong:词语造型框架中模糊概念的语义距离(2019)
  15. 赵,魏;李,广平;王,军;周,Yuan Ke;高,高;杜,雅:结合功能域富集分数与伪氨基酸组成预测蛋白质亚高尔基体位置(2019)
  16. 周,Joey Tianyi;Tsang,Ivor W.;霍城,沈世阳;Mü勒,Klaus Robert:(n)-多分类分类分解(2019)
  17. 阿布杜胡塞因,Sadiq H.;拉姆利,Abd Rahman;Al Haddad,Syed Abdul Rahman;MaMMOD,Basheera M.;Jassim,Wissam A.:快速递归计算Hub多项式(2018)
  18. Aggavar,Charu C.:文本机器学习(2018)
  19. Ah Pine,朱利安:一种高效且有效的通用凝聚层次聚类方法(2018)
  20. Aravkin,Aleksandr Y.;Burke,James V.;Primeto,Giang-Luigi:具有稳定样条核的广义系统辨识(2018)