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941至960的961。
按年份排序(引文
  1. 李,Jae Won;李,Jung Bok;帕克,米拉;宋,Seuck Heun:最近应用于微阵列数据的分类工具的广泛比较(2005)
  2. Sciandrone,M.:一个改进的SVM(^光)算法的收敛性(2005)
  3. Pogacnik,Matevz;Tasic,Jurij.;Meza,马尔科;Kosir,Andrej:基于分层用户模型的个人内容推荐者(2005)伊波尔特
  4. Pogacnik,Matevz;Tasic,Jurij.;Meza,马尔科;Kosir,Andrej:基于分层用户模型的个人内容推荐者(2005)伊波尔特
  5. 塞拉菲尼,托马斯;ZangHiaTi,Gaetano;Zhani,卢卡:二次规划的梯度投影方法及其在训练支持向量机中的应用(2005)
  6. Alexandros Karatzoglou;Alexandros Smola;Kurt Hornik;Achim Zeileis:Knnlab——R(2004)核方法的S4包不是ZB数学
  7. 毕,亚辛;贝尔,戴维;王,慧;郭,巩德;Greer,Kieran:结合Depps'组合规则的多分类器进行文本分类(2004)
  8. 程,程;磅,Stanley B.;博伊特,James M.;裴,德庆;Kuo,梅玲;鲁塞尔,Martine F.:微阵列基因表达数据分析的统计显著性阈值标准(2004)
  9. DO,Thanh Nghi,Pouple,弗兰Couoo:用可视化增强SVM(2004)
  10. 哈斯蒂,特里沃;罗塞特,Saharon;Tibshirani,罗伯特;朱,冀:支持向量机的整正则化路径(2004)
  11. 海曼,埃里克;卡普托,巴巴拉;弗里茨,马里奥;Ekundh,Jan Olof:论现实世界物质分类的意义(2004)
  12. Liao,Yi;Fang,Shu Cherng;Nuttle,Henry L. W.:一个有界权值的神经网络模式分类模型(2004)
  13. 吴,婷帆;林,Chih Jen;文格,Ruby C.:成对耦合多类分类的概率估计(2004)
  14. Aksela、Matti:改进委员会绩效的分类器选择方法比较(2003)
  15. Anguita,Davide;Ridella,桑德罗;RivieCIO,法比奥;Zunio,RodoFo:训练支持向量机的量子优化。(2003)伊波尔特
  16. Chung,Kai Min;高,魏春;孙,池阿亮;王,Li Lun;林,林:RBF核支持向量机的半径边界界(2003)
  17. Keerthi,S. Sathiya;林,Chih Jen:高斯核支持向量机的渐近行为(2003)
  18. Keerthi,S. S.;Shevade,S. K.:最小二乘支持向量机的SMO算法。(2003)
  19. Lyu,Siwei;法里德,HNON:利用高阶统计量和支持向量机检测隐藏信息(2003)
  20. 帕金斯,西蒙;Lakes,凯文;泰勒,杰姆斯:嫁接:函数空间中梯度下降的快速、增量特征选择(2003)