说明：KPCA与SVM共同用于人脸识别 SVM提高了分类效果 KPCA是一种借鉴SVM中核函数的一种较好的特征提取方法

人脸识别分类 KPCA分类 特征-matlab KPCA_SVM KPCA人脸识别

说明：该程序实现了双变量高斯核密度估计。它可以用于估计双变量概率函数，累积分布函数（CDF）和反演CDF（ICDF）。核密度估计在估计边界区域的时候会出现边界效应。在单变量核密度估计的基础上，可以建立风险价值的预测模型。通过对核密度估计变异系数的加权处理，可以建立不同的风险价值的预测模型。由给定样本点集合...

matlab 估计 密度 变量

说明：它的训练是在贝叶斯框架下进行的，在先验参数的结构下基于主动相关决策理论（automatic relevance determination，简称ARD）来移除不相关的点，从而获得稀疏化的模型。在样本数据的迭代学习过程中，大部分参数的后验分布趋于零，与预测值无关，那些非零参数对应的点被称作相关向量（R...

说明：支持向量机工具箱，其中包含MATLAB演示程序和一些基本的函数（计算核函数的函数、支持向量机训练函数和参数选择交叉验证函数等）。-

matlab svm 演示 二分

说明：应用背景当评估一个和EOUT由此产生的分类二，使用二进制分类错误阳离子。实际发言：（我）为该作业的目的，没有规模的数据时，你使用libsvm或其他的包，以免改变E 有效核和迪不同结果。（Ⅱ）在某些包中，您需要指定双精度。（三）在10倍交叉验证，如果数据大小是不多的10，大小的10亚群可能是O...

matlab 学习 机器 支持 向量

说明：KDE是估算数据的概率密度函数的非参数方法。这种方法背后的直觉是密度函数将更多的 请点击左侧文件开始预览 ！预览只提供20%的代码片段，完整代码需下载后查看 加载中 侵权举报

matlab

说明：此文件实现自下而上关联向量机方法通过使用单独的函数中计算出的不同的内核函数的多类 RVM 分类。

matlab 分类 代码 程序 关联 向量

说明：支持向量机（Support Vector Machines ,SVM）由 Vapnik 1995年最早提出，通过核函数的展开定理，在某种程度上避免了“维数灾难”，并且在解决小样本、非线性和高维模式识别中表现出了独有的优势，引起很多学者的重视，取得一定的研究成果,并且被许多学者推广应用到其他机器学习领...

说明：背景差分法又称背景减法，背景差分法的原理是将当前帧与背景图像进行差分来得到运动目标区域，这种方法较帧差法能更好的识别和提取运动目标，是目前运动分割中最常用的一种方法。但是需要构建一幅背景图像，这幅背景图像必须不含运动目标，并且应该能不断的更新来适应当前背景的变化，构建背景图像的方法有很多，比较常用的...

matlab 基于 差分 识别

说明：机器学习m代码。主要实现机器学习中最小二乘支持向量机算法，核函数参数用PSO算法进行优化。用pso算法优化LSsvm算法参数,