本专区汇聚了各类基于 支持向量机 开发的源码资源，共计 539 篇资源供开发者免费下载学习。
支持向量机所涉及到的数学知识对一般的化学研究者来说是比较难的，自己编程实现该算法难度就更大了。但是现在的网络资源非常发达，而且国际上的科学研究者把他们的研究成果已经放在网络上，免费
支持向量机（Support Vector Machine，SVM）是一种新的机器学习方法，其基础是Vapnik创建的统计学习理论（Statiscal Learning Theory
提取指纹图像子块内梯度一致性、灰度均值及灰度方差构成特征向量,提出采用支持向量机对这些特征向量进行分类,根据训练得到的分类判决函数并结合形态学操作最终实现指纹前、背景分割
提出了一种新的基于支持向量机手写汉字识别方法.支持向量机作为一种新的机器学习方法,由于其建立在结构风险最小化准则之上, 请点击左侧文件开始预览 ！预览只提供20%的代码片段，
LIBSVM是一个简单，易于使用和高效的软件支持向量机 分类和回归。它解决了C-SVM分类，NU-SVM 分类，一类SVM，ε-SVM回归和NU-SVM 回归。它还提供了自动模式选
关于IRIS数据集的多分类程序代码，进行了详细的分类训练与预测正确率，进行了详细的编写分类，得到了较高的精确度，实现了多分类的实验。
支持向量机(SVM, Support Vector Machines)实际是近年来出现的一种先进的机器学习方法，它是重要的基于VC理论的创造性机器学习方法，是一种非常有潜力的分类
本文提出了一种从移动车辆所使用的光流和方向梯度直方图的行人检测方法（HOG）。运动物体提取的相对运动分割区域代表的相同的光流后补偿相机的 egomotion。若要获取光流场，两个连
在机器学习里, 支持向量机 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
A 求解脸识别问题的新方法。我们的方法结合二维主成分分析法（2DPCA） 突出的方法之一提取特征向量和支持 向量机 （SVM）最强大分类判别方法。基于该方法的实验已经或数据库
虽然有很多版本的支持向量机在不同的语言，包括 C、 fortran 语言，Java 和 Matlab 代码在 web 上可用，我们 仍然觉得有必要开发一个新的支持向量机 Ma
这是训练支持向量机的代码 此代码用于隐写术，并将用于隐写分析