常见的文本特征（句向量）提取方法.pdf

采用最小二乘双支持向量机(LSTSVM)进行情感识别，针对LSTSVM模型的惩罚系数及核函数参数难以确定的问题，使用改进的萤火虫算法（MFA）来优选LSTSVM的各项参数，使分类器取得最优的性能。基于脑电、皮肤电、肌电和呼吸4种模态的生理信号，使用该算法进行情感识别，并与使用标准LSTSVM和粒子群LSTSVM算法的识别结果比较。仿真分析表明，提出的MFA-LSTSVM算法识别准确率更高，需要的训练时间更短。

3．两个向量或矩阵对应元素的比较 函数max和min还能对两个同型的向量或矩阵进行比较，调用格式为： (1) U=max(A,B)：A,B是两个同型的向量或矩阵，结果U是与A,B同型的向量或矩阵，U的每个元素等于A,B对应元素的较大者。 (2) U=max(A,n)：n是一个标量，结果U是与A同型的向量或矩阵，U的每个元素等于A对应元素和n中的较大者。 min函数的用法和max完全相同。 例6-3 求两个2×3矩阵x, y所有同一位置上的较大元素构成的新矩阵p。

SVM支持向量机算法的详细推导(详细到每个步骤_值得推荐)，简单易懂，有清晰的注释以及代码详解，对SVM爱好者来说绝对的福音

学习SVM的好资源，线性分类器，将分类转化为优化问题，其中包括部分证明，讲解了关于线性不可分和软间隔优化还有核函数

向量流水处理机.ppt

带双步位移的QR分解法求矩阵全部特征值， 并对其中的每一个实特征值求相应的特征向量

半监督支持向量机回归模型研究，冀杰，程玉虎，利用支持向量机和K近邻学习器的优点，提出一种半监督支持向量机回归模型。支持向量机通过选择高置信度的未标记样本加以标记，并��

必须确定城市供水系统中特定类别的污染物。 传统的检测方法主要基于常见的水质指标。 然而，由于诸如分析时间长，灵敏度不足，对试剂的需要以及废液的产生等问题，使得检查这些水质指标变得困难。 这些问题阻碍了高频水的检测和监测。 在这项研究中，采用三维（3D）荧光光谱作为水质监测方法。 提出了一种基于二维（2D）Gabor小波和支持向量机（SVM）的多分类识别方法。 用于插值的Delaunay三角剖分方法用于预处理3D荧光光谱，从而消除了瑞利散射和拉曼散射。 提出了由不同比例和旋转角度的滤波器生成的二维Gabor小波函数，以提取光谱特征。 基于Gabor特征描述的块统计方法被用来提高描述光谱特征的效率。 然后，将多个SVM分类器用于污染物分类和识别。 通过将提出的方法与常用的特征提取方法主成分分析进行比较，本研究发现二维Gabor小波和块统计的应用可以有效地描述3D荧光光谱的特征。 此外，二维Gabor小波实现了很高的分类精度，特别是对于特征峰紧密定位或重叠的物质。

使用SVM对数据进行分类