Участник:Tatarchuk
Материал из MachineLearning.
Строка 4: | Строка 4: | ||
= Selective Support Vector Machines = | = Selective Support Vector Machines = | ||
- | == Overview == | + | ==== Overview ==== |
== Papers == | == Papers == | ||
== MatLab Tools == | == MatLab Tools == |
Версия 16:01, 29 сентября 2008
Татарчук Александр Игоревич
Содержание |
Selective Support Vector Machines
Overview
Papers
MatLab Tools
Links
ВАК
- Высшая аттестационная комиссия РФ (ВАК)
- Перечень ведущих российских рецензируемых научных журналов и изданий ВАК (редакция апрель 2008 года)
- О зарубежных научных журналах и изданиях, в которых могут быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук
- Web of Science: Science Citation Index Expanded (индекс цитируемости зарубежных журналов по естественным наукам, одобренный ВАК)
Libraries
Russian Conferences
- Математические Методы распознавания образов (ММРО)
- Интеллектуализация обработки информации 2008 (ИОИ 2008)
- Распознавание образов и анализ изображений 2008 (РОАИ 2008)
Conferences
Workshops
Tools
The MOSEK Optimization Software is designed to solve large-scale mathematical optimization problems. MOSEK provides specialized solvers for linear programming, mixed integer programming and many types of nonlinear convex optimization problems. Students at degree granting institutions are allowed to use MOSEK freely for their studies.
Солвер для решения общих задач линейного и квадратичного программирования. Доступна многократная полугодовая студенческая лицензия.
It is one of the most popular implementations of Support Vector Machines (SVMs) in C.
Наиболее развитая и популярная реализация SVM на С++. Библиотека адаптирована для больших выборок и имеет эффективную реализацию скользящего контроля. Включены стандартные кернелы и допускается использование специальных.
Efficient and simple implementations of Support Vector Machines (SVMs) in C.
Эффективные и простые в использовании реализации SVM на С++ со схожими интерфейсами. В SVMLinear реализована только линейная классификация. Работают с большими выборками.