LIBSVM库

LIBSVM是一个支持向量机(SVMs)的库。自2000年以来,我们一直在积极开发这套方案。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


数学参考文献

显示1066的结果1到20。
按年份排序(引用)

1 2 ... 52 53 54 下一个

  1. Aggarwal,Charu C.:机器学习的线性代数与优化。教科书(2020)
  2. Bauermeister,Christoph;Keren,Hanna;Braun,Jochen:非结构化网络拓扑通过特权神经元产生基于顺序的表示(2020)
  3. Bellavia,Stefania;Krejić,Nataša;Morini,Benedetta:有限和最小化的子样本信赖域方法的不精确恢复(2020)
  4. Chang,Chuan Yu;Srinivasan,Kathiravan;Hu,Hui Ya;Tsai,Yuh Shyan;Sharma,Vishal;Agarwal,Punjal:通过ACM分割在DCE-MRI中基于SFFS-SVM的前列腺癌诊断(2020)
  5. Chelly Dagdia,Zaineb;Elouedi,Zied:基于树突状细胞的混合模糊保持分类方法(2020)
  6. Colombo,Tommaso;Sagratella,Simone:线性耦合约束凸问题的分布式算法(2020)
  7. Mohamed Daoudi;Alvarez Paiva,Juan Carlos;Kacem,Anis:面部表情和动作识别的黎曼和仿射几何(2020)
  8. Fercoq,Olivier;Qu,Zheng:用粗糙强凸性估计重新启动加速坐标下降法(2020)
  9. García-Nieto,P.J.;García-Gonzalo,E.;Sánchez-Lasheras,F.;Alonso Fernández,J.R.;Díaz Muñiz,C.:基于混合去优化小波核SVR的La Barca水库藻类非典型增殖预测技术:案例研究(2020年)
  10. Gustavo Henrique de Rosa,João Paulo Papa,Alexandre Xavier Falcão:OPFython:A Python启发的最佳路径森林分类器(2020)阿尔十四
  11. Halbersberg,Dan;Wienreb,Maydan;Lerner,Boaz:用于学习贝叶斯网络分类器结构的准确性和信息的联合最大化(2020)
  12. Heider,Yousef;Wang,Kun;Sun,WaiChing:(\mathrmSO(3))——各向异性弹塑性材料基于信息图的深层神经网络的不变性(2020)
  13. 洪英超;米查利迪斯,乔治;柏海乐,贺拉斯:定位计算机实验中的无限间断(2020)
  14. Jacobs,Kayla;Itai,Alon;Wintner,Shuly:首字母缩略词:识别、扩展和消歧(2020)
  15. 江伟;西迪基,索勒:基于随机梯度下降和双坐标下降的支持向量机超参数优化(2020)
  16. 蒋泽华;刘克玉;杨锡北;余华龙;藤田、哈密多;钱、余华:监督邻域属性约简加速器(2020)
  17. Kwon,Yongchan;Kim,Wonyoung;Sugiyama,Masashi;Paik,Myunghee Cho:基于加权积分概率度量的正向无标记学习的原则性分析分类器(2020)
  18. Lindeberg,Tony:基于级联耦合的尺度归一化微分表达式的可证明尺度协变连续分层网络(2020)
  19. 刘晓明;徐克;周东东;周鹏:改进的轮廓线变换构造及其在金属表面缺陷识别中的应用(2020)
  20. 李旭东;孙德峰;托赫,金川:关于Birkhoff多面体投影广义雅可比的有效计算(2020)

1 2 ... 52 53 54 下一个