LIBSVM库

LIBSVM是一个支持向量机(SVMs)的库。自2000年以来,我们一直在积极发展一揽子计划。其目的是帮助用户轻松地将支持向量机应用到他们的应用程序中。LIBSVM在机器学习等许多领域得到了广泛的应用。在本文中,我们将介绍LIBSVM的所有实现细节。对支持向量机优化问题的求解、理论收敛性、多类分类概率估计和参数选择等问题进行了详细讨论:http://dl.acm.org/citation.cfm?内径=1961199


zbMATH中的参考文献(参考 1043篇文章 参考)

显示1043的结果961到980。
按年份排序(引用)
  1. Loosli,Gaëlle;Canu,Stéphane:“核心向量机:超大数据集上的快速SVM训练”评论(2007)
  2. Lucidi,S.;Palagi,L.;Risi,A.;Scandrone,M.:支持向量机的收敛分解算法(2007)
  3. 陆思军;张健;冯大根:基于人类活动识别和物体关联的无人值守包裹检测(2007)
  4. Masud,Mohammad M.;Khan,Latifur;Thuraisingham,Bhavani:用于检测恶意可执行文件的可伸缩多级特征提取技术(2007)ioport公司
  5. Mehrotra,Kishan G.;Ozgencil,Necati E.;McCracken,Nancy:挤压最后一滴:基于聚类的分类算法(2007)
  6. Orsenigo,Carlotta;Vercellis,Carlo:用多面体分类器准确地从几个例子中学习(2007)
  7. Papadopoulos,G.Th.;Mezaris,V.;Kompatsiaris,I.;Strintzis,M.G.:结合全球和本地信息进行知识辅助图像分析和分类(2007)
  8. Pfeifer,Nico;Leinenbach,Andreas;Huber,Christian G.;Kohlbacher,Oliver:色谱分离中肽保留行为的统计学习:计算蛋白质组学的一种新的基于核的方法(2007)ioport公司
  9. Polyak,Roman;Ho,Shen Shyang;Griva,Igor:基于非线性重标度方法的支持向量机(2007)
  10. Ponzetto,S.P.;Strube,M.:知识来源于维基百科,用于计算语义关联性(2007)
  11. 钱铁云;熊,辉;王元珍;陈恩红:超液化模式在文本分类中的优势(2007)
  12. 祁晓军;韩玉涛:结合多个支持向量机实现图像自动标注(2007)
  13. Rossiter,Jonathan;Mukai,Toshiharu:使用不精确专家信息从图像中学习生物模拟(2007)ioport公司
  14. Shon,Taeshik;Moon,Jongsub:网络异常检测的混合机器学习方法(2007)ioport公司
  15. Simon,Hans Ulrich:关于工作集选择的复杂性(2007)
  16. 孙强;王,李伦;林晓红;德容,杰拉尔德:基于先验知识的稳健性:使用基于解释的学习区分手写汉字(2007)ioport公司
  17. Vishwanathan,S.V.N.;Smola,Alexander J.;Vidal,René:关于动力系统的Binet-Cauchy内核及其在动态场景分析中的应用(2007)ioport公司
  18. 基于Julia-Vogel的自然场景语义检索(2007;Bernelet-2007)ioport公司
  19. 魏迅凯;李英红;李玉飞;张东芳:封闭机器学习:概念与算法(2007)ioport公司
  20. 王伟德;施,荣;刘,戎:基于形状的支持向量机图像检索,傅立叶描述子和自组织映射(2007)ioport公司