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(962篇文章中引用)

显示结果901至920的962。
按年份排序(引文
  1. 吴,韩明;鲁,Henry Horng Shing:超声和MR图像分割的迭代切片逆回归(2007)
  2. 朱,Z.;H.,H.;Stasyyk,J. A.;Tseng,C:自组织学习阵列及其在经济和金融问题中的应用(2007)伊波尔特
  3. Zunman,Igor;Meir,罗恩;El YANIV,RAN:尺寸密度谱及其在图像分类中的应用(2007)
  4. Aksela,Matti;Laaksonen,JORMA:使用错误的多样性选择委员会分类器成员(2006)
  5. Alexandros Karatzoglou,David Meyer,Kurt Hornik:R(2006)中的支持向量机不是ZB数学
  6. 安古洛,CcCIILO;鲁伊斯,Francisco J.;冈萨雷兹,路易斯;奥尔特加,胡安·安东尼奥:使用三类SVM的多分类(2006)伊波尔特
  7. BOSE,Indranil;PAL,RKTIM:预测点击和迫击炮公司的生存或失败:知识发现方法(2006)
  8. Carrizosa,埃米利奥;Martin Barragan,Belen:两目标分类的双目标最大化模型(2006)
  9. 科尔特斯,Paulo;Portelinha,曼努埃尔;罗德里格斯,桑德拉;卡达维兹,瓦斯科;特谢拉,阿尔弗雷多:用支持向量机评价羔羊肉质量(2006)伊波尔特
  10. Crone,Sven F.;Lessmann,斯特凡;斯塔尔博克,罗伯特:预处理对数据挖掘的影响:直接营销中分类器敏感性的评价(2006)
  11. Eitrich,Tatjana;郎,布鲁诺:不平衡数据集支持向量机学习参数的有效优化(2006)
  12. Fung,格伦,Mangasala: O. L.:乳腺癌通过支持向量机对化疗的易感性(2006)
  13. GATOS,B;NTZIOS,K.;Pratikakis,I;Petri,S;Konidaris,T.;Perantonis,S. J.:一种有效的无分割方法来辅助古希腊手写手稿OCR(2006)伊波尔特
  14. 格拉斯马勒,托拜厄斯;Igel,基督教:支持向量机的最大增益工作集选择(2006)
  15. 格里马尔迪,马珂;坎宁安,PDRAIG;Kokaram,阿尼尔:离散小波包变换和懒惰和渴望学习者的音乐体裁分类合奏(2006)伊波尔特
  16. 洪,夏;鲍,Qing Hu:基于模糊支持向量机的特征选择(2006)
  17. 黄,Tzu Kuo;文格,Ruby C.;林,Chih Jen:广义South-TyRy模型和多类概率估计(2006)
  18. 寇刚;彭,Yi;石,Yong;陈,郑欣:一种新的多准则凸二次规划信用分析模型(2006)
  19. 李,Jianguo;张,长水:基因表达数据的分类:基于流形的度量学习方法(2006)
  20. Levine,Martin D.;Rajwade,Ajit:采用分层姿态归一化策略的三维视图不变人脸识别(2006)伊波尔特