说明：采用cross validation的思想可以在某种意义下得到最优的参数,可以有效的避免过学习和欠学习状态的发生,最终对于测试集合的预测得到较理想的准确率.采用实例验证表明,用cross validation选取出的参数来训练SVM得到的模型比随机的选取参数训练SVM得到的模型在最后分类预测上更有效...

matlab 分类 svm 性能 参数 优化 更好 如何 提升

说明：多分类器集成系统是当前机器学习领域的一个研究热点。由于使用多个基分类器构建的集成系统通常比单个优秀的分类器具有更强的泛化能力,因此多分类器集成系统为许多基于传统模式识别方法很难解决的分类问题提供了新的解决方案。DNA微阵列技术是一种由物理学、微电子学与分子生物学等几个领域综合交叉形成的高新技术,该技...

matlab

说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：matlab图像特征识别。分类器的训练方法。很好的学习资料。如何用OpenCV训练自己的分类器。内含人脸库共训练器使用

训练器 图像分类 opencv--分类器 分类器matlab 图像识别-分类

说明：云分类器，一种基于云模型理论的分类程序。程序中使用云分类器对Iris数据集进行了测试-cloud classifier, a theoretical model based on cloud classification procedure. Procedures used for cloud cl...

matlab

说明：BP-Adaboost模型即把BP神经网络作为弱分类器，反复训练BP神经网络预测样本输出，通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器。

bp——adaboost adaboost 预测 adaboost_bp BP预测

说明：机器学习，BP神经网络进行多分类matlab代码

BP多分类 机器学习分类 matlab classifyBP 多分类

说明：该算法是机器学习领域新提出的一种能应用于分类和拟合的方法，被称为相关向量机(RVM)，相比于在这一领域表现出色的支持向量机(SVM)，该算法在保持杰出分类能力和拟合能力的同时，也表现出良好的稀疏性，因此拥有更好的泛化能力。本算法值得广大机器学习研究领域的科研人员借鉴学习。

rvm-算法 rvm-分类-matlab 机器学习-拟合 稀疏保持 稀疏分类 SVM

说明：此方法采用经典的PCA对人脸图像进行特征提取，用libsvm库函数的SVM分类器对图像分类。

SVM图像分类器 pca分类器 PCA函数 svm-图像 face-feature--svm

说明：一个matlab的工具包，里面包括一些分类器 例如 KNN KMEAN SVM NETLAB 等等有很多.

KNN-SVM svm-knn MATLAB-分类器 SVM分类器-matlab SVM分类