支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的,它在解决小样本、非线性及高维模式识别中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中。
1 数学部分
1.1 二维空间
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】 2 算法部分
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】
【土壤分类】基于matlab GUI多类SVM土壤分类【含Matlab源码 1398期】 1 matlab版本
2014a
2 参考文献
[1] 蔡利梅.MATLAB图像处理——理论、算法与实例分析[M].清华大学出版社,2020.
[2]杨丹,赵海滨,龙哲.MATLAB图像处理实例详解[M].清华大学出版社,2013.
[3]周品.MATLAB图像处理与图形用户界面设计[M].清华大学出版社,2013.
[4]刘成龙.精通MATLAB图像处理[M].清华大学出版社,2015.