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。详细讨论了解决支持向量机优化问题理论收敛性多类分类概率估计和参数选择等问题:http://dl.acm.org/citation.cfm?id=1961199


zbMATH中的参考文献(参考文献1151篇文章)

显示1151的结果1到20。
按年份排序(引用)

1 2 ... 56 57 58 下一个

  1. 阿塔拉希,京海;御山、佐藤市;Kurihara,Masahito:稀疏特征交互的正则化因子分解机(2021)
  2. 卞、凤苗;梁景伟;张晓群:非光滑非凸优化的随机交替方向乘子法(2021)
  3. 布兰查德,吉尔;底施慕克,安妮特阿南德;多根,乌伦;李,吉敏;斯科特,克莱顿:边际迁移学习领域泛化(2021)
  4. 布鲁斯特,约翰内斯J。;狄子超(温迪);莱弗,斯文;Petra,Cosmin G.:结构化BFGS矩阵的紧表示(2021)
  5. 布基纳法索,M。;纳扎罗夫一世。;帕诺夫,M。;费多宁,G。;Shirokikh,B.:带特征选择的归纳矩阵完成(2021)
  6. 柯廷,瑞安·R。;埃德尔,马库斯;帕布,拉胡尔甘尼什;巴萨克,苏里奥迪;娄志浩;Sanderson,Conrad:ensmallen灵活数值优化库(2021)
  7. 加尔文,朱利奥;拉普奇,马特奥;林志仁;马尔科,Scandrone:一个利用一阶和二阶信息的支持向量机训练问题的两层分解框架(2021)
  8. 戈斯曼,亚历克谢;佩泽什克,咏叹调;王玉平;Sahiner,Berkman:使用接收器工作特性曲线下面积评估连续演化分类算法的测试数据重用(2021)
  9. 高尔,罗伯特M。;里查里克,彼得;Bach,Francis:随机拟梯度方法:通过Jacobian草图减少方差(2021)
  10. 顾斌;魏西元;高尚谦;熊,梓然;邓,程;Huang,Heng:实现更低查询复杂度的零阶梯度算法的黑盒缩减(2021)
  11. 居尔吕克,奥克泰;卡拉尼南,贾扬特;李敏涵;梅尼克尔,马特;Scheinberg,Katya:基于整数规划的分类数据的最优决策树(2021)
  12. 韩彪;商超、商超;黄德贤:多核学习辅助稳健优化:学习算法、计算可处理性及在多阶段决策中的应用(2021)
  13. 汉泽利,菲利普;里查里克,彼得;肖林:相对光滑凸优化的加速Bregman近端梯度法(2021)
  14. Iiduka,Hideaki:非单调双函数随机均衡问题的不精确随机次梯度投影法:在机器学习中的期望风险最小化中的应用(2021)
  15. 贾哈尼,马吉德;Gudapati,Naga Venkata C区。;马,陈欣;塔彭登,瑞秋;α-Tak加速序列(优化和优化:用Martin-Tak加速序列)
  16. 蒋高霞;王文健;钱玉华;梁继业:输出噪声滤波的统一样本选择框架:误差界的观点(2021)
  17. 雷云文;Ying,Yiming:随机近端AUC最大化(2021)
  18. 李、朱;唐,让·弗朗索瓦;食人魔,恐龙;Sejdinovic,Dino:走向随机傅里叶特征的统一分析(2021)
  19. 陆海浩;Freund,Robert M.:结构凸优化的带随机“替代”梯度的广义随机Frank-Wolfe算法(2021)
  20. 马苏迪,巴巴克;萨巴兰达内什瓦尔;Razavi,Seyed Naser:基于深度信念网络的多模态特征融合方法诊断精神分裂症(2021)

1 2 ... 56 57 58 下一个