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(950篇文章中引用)

显示结果1至20的950。
按年份排序(引文
  1. 李,徐东;Sun,DEFEN;THH,Kim Chuan:关于BikkHOF多面体(2020)上的广义雅可比投影的有效计算
  2. 阿布杜胡塞因,Sadiq H.;拉姆利,Abd Rahman;马莫德,Basheera M.;萨里潘,M. Iqbal;Al Haddad,S. A. R.;Jassim,Wissam A.:一种新的混合形式的PoT和T契BeHf多项式:设计和应用(2019)
  3. AHOOKHOSH,MasHOW;Neumaier,阿诺德:一个具有子空间搜索的最优次梯度算法用于代价优化的凸优化问题(2019)
  4. 阿尔维斯,M. Marques;GeAlima,Murina:一个不精确Douglas Rachford方法的迭代复杂性和一个用于求解单调包含的Douglas Rachford Tseng F-B四算子分裂方法(2019)
  5. Amir M. Mir;Jalal A. Nasiri:LtxTimsVM:标准双支持向量机分类器的简单快速实现(2019)不是ZB数学
  6. Baumann,P;HoobBum,D. S.;Yang,Y. T.:领先机器学习技术和两种新的优化算法的比较研究(2019)
  7. Christoph Mssel,Ludwig Lausser,Markus Maucher,Hans A. Kestler:分类器的多目标参数选择(2019)不是ZB数学
  8. Cristofari,安德列:单线性约束问题的几乎循环2-坐标下降法(2019)
  9. Demyanov,瓦西里;阿诺德,丹;Rojas,Temistocles;克里斯蒂,迈克:储层预测中的不确定性量化。处理地质场景中的不确定性(2019)
  10. Devarakonda,Aditya;Fountoulakis,基蒙;德梅尔,杰姆斯;马奥尼,Michael W.:避免原始和双块坐标下降法中的通信(2019)
  11. Fercoq,奥利维尔;比安奇,Pascal:一个具有大步长和可能不可分函数的坐标下降原始对偶算法(2019)
  12. 高,Wenbo;GaldFrb,唐纳德:拟牛顿方法:无线搜索的自洽函数超线性收敛(2019)
  13. Garc·A·涅托,P. J.;G.C.I.GangZalo,E.S.N.N. C.H.,PARDEES-S·A. N'CZZ,J. P.;RieSo Fn,NNDEZ,P.:利用机器学习技术预测生物质焙烧中较高的热值(2019)
  14. GE,李;刘,Jiaguo;张,Yusen;德默,马蒂亚斯:用广义混沌游戏表示识别抗癌肽(2019)
  15. Halder,Yo.V.;桑德斯,本杰明;Koren,巴里:一种自适应的最小生成树多元素方法用于不连续定量的平滑和不连续响应(2019)
  16. He,Jiachuan;Mat蒂斯,Steven A.;Butler,Troy D.;Dawson,Clint N.:支持向量机的预测流和传输建模的数据驱动不确定性量化(2019)
  17. 黄,明;Zhuang,Fuzhen;张,萧;Ao,Xiang;牛,Zhengyu;张,闵玲;何,清:多标签分类的监督表示学习(2019)
  18. Jeong,Chiyoon;杨,Hyun S.;广寒宫,KeunDoo:一种利用卷积神经网络和多尺度边缘检测检测地平线的新方法(2019)
  19. Kucukoglu,IRIM;Simsek,Bukter;Simsek,YiMaZ:多维伯恩斯坦多项式和BéZier曲线:基于曲率的人脸表情识别机器学习算法分析(2019)
  20. 李,浩然;何法芝;严;Xiao hu:IBEA支持向量机:一种基于SVM预分类的基于指标的进化算法(2019)