详细说明:一种基于局部密度比权重设置模型的加权支持向量回归模型来单步求解多分类问题:该方法先分别对类样本中每类样本利用局部密度比权重设置模型求出每个样本的权重隶属因子,然后运用加权lib支持向量回归算法对所有样本进行训练,获得回归分类器,希望对大家有用!
[5uym_091116.rar] - jsp 网站源码
可以生成需要的文档
需要的赶紧下载
[wuban.rar] - 数据结构课程设计,舞伴问题,一个很有价值的程序
[MethodofFacialExpressionRecognition.rar] - 为了更准确地识别人的表情,在识别人脸7 种基本表情(愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶)时,采用了局域二值 模式技术提取面部特征,进行由粗略到精细的表情分类。在粗略分类阶段,7 种基本表情中的2 种表情被选为初步分类结果(候选表情)。 在精细分类阶段,选用计算加权卡方值确定最终分类结果。
[libsvm-2.5程序代码导读.rar] - libsvm-2.5程序代码导读 这是一个中文版的针对支持向量机源程序libsvm-2.5代码导读文档,由个人经验所得, 为您看libsvm程序省了不少的力气!非常难得!
[matlab_svm_facerecongnition.rar] - 先用“gettrainingdata”获取人脸样本库的特征,样本库中每人只有一个样本。 然后用“facerecognition"输入待识别的人脸,可以较准确的得出结果!
[wuban.rar] - 数据结构课程设计,舞伴问题,一个很有价值的程序
[MethodofFacialExpressionRecognition.rar] - 为了更准确地识别人的表情,在识别人脸7 种基本表情(愤怒、厌恶、恐惧、高兴、无表情、悲伤和惊讶)时,采用了局域二值 模式技术提取面部特征,进行由粗略到精细的表情分类。在粗略分类阶段,7 种基本表情中的2 种表情被选为初步分类结果(候选表情)。 在精细分类阶段,选用计算加权卡方值确定最终分类结果。
[libsvm-2.5程序代码导读.rar] - libsvm-2.5程序代码导读 这是一个中文版的针对支持向量机源程序libsvm-2.5代码导读文档,由个人经验所得, 为您看libsvm程序省了不少的力气!非常难得!
[matlab_svm_facerecongnition.rar] - 先用“gettrainingdata”获取人脸样本库的特征,样本库中每人只有一个样本。 然后用“facerecognition"输入待识别的人脸,可以较准确的得出结果!
文件列表(点击判断是否您需要的文件):
libsvm-weight-2.81
..................\COPYRIGHT
..................\heart.10
..................\heart.wgt.10
..................\Makefile
..................\python
..................\......\Makefile
..................\......\svm.py
..................\......\svmc.i
..................\......\svmc.py
..................\......\svmc_wrap.c
..................\......\svm_w_usage.py
..................\README
..................\svm-predict.c
..................\svm-scale.c
..................\svm-train.c
..................\svm.cpp
..................\svm.h
libsvm-weight-2.81
..................\COPYRIGHT
..................\heart.10
..................\heart.wgt.10
..................\Makefile
..................\python
..................\......\Makefile
..................\......\svm.py
..................\......\svmc.i
..................\......\svmc.py
..................\......\svmc_wrap.c
..................\......\svm_w_usage.py
..................\README
..................\svm-predict.c
..................\svm-scale.c
..................\svm-train.c
..................\svm.cpp
..................\svm.h