说明：针对SVM法线特征筛选算法仅考虑法线对特征筛选的贡献,而忽略了特征分布对特征筛选的贡献的不足,在对SVM法线算法进行分析的基础上,基于特征在正、负例中出现概率的不同提出了加权SVM法线算法,该算法考虑到了法线和特征的分布.通过试验可以看出,在使用较小的特征空间时,与SVM法线算法和信息增益算法相比,...

SVM法线 筛选算法

说明：支持向量机SVM(Support Vector Machine）作为一种可训练的机器学习方法，依靠小样本学习后的模型参数进行导航星提取，可以得到分布均匀且恒星数量大为减少的导航星表 基本情况　Vapnik等人在多年研究统计学习理论基础上对线性分类器提出了另一种设计最佳准则。其原理也从线性可分...

matlab svm 训练 机器 学习方法

说明：这是一个十分完善的SVM算法。包括各种的线性核和非线性核。能够解决各种分类问题。

SVM SVM--matlab SVM线性分类 matlab非线性SVM 核SVM

说明：一种基于matlab自带SVMtrain模型训练函数的在线SVM增量学习方法代码。

SVM matlab增量svm SVM在线学习 在线增量SVM W91

说明：线性SVM算法设计分类器，对一组数据进行分类

SVM--分类 数据分类-matlab 对数据分类 SVM分类器-matlab SVM对数据分类

说明：动态SVM算法，可实现模型的在线实时更新，里面的数据需要根据自己的实际数据改变，为一多输入单输出的拟合预测模型。

svm算法动动态 dynamicsvm 多输入svm预测 在线-SVM 实时预测

说明：使用SVM对样本进行非线性分类，并画出决策面。不限制样本维数，经测试，对多维样本也有很好的分类效果。结果其他算法，可以实现较复杂的机器学习和模式识别。

matlab 分类 svm 进行 非线性

说明：基因选择算法 SVMRFE 基因选择算法 SVMRFE 基因选择算法，SVMRFE。

基因选择算法 SVM-RFE

说明：支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限...

matlab svm 源代码 基于 支持 向量

说明：SVM 分类算法，由于其能有效解决小样本、非线性及高维模式识别等问题，且通常具有良好的学习和推广能力而得到广泛研究并已成功应用于故障诊断等领域。用支持向量机对一组数据分类，手打源码，效果很好，经测试可用

matlab 分类 源码 测试 svm