实例介绍
多核学习的MATLAB代码。适合于机器学习方面的应用,如建模,分类等。
【实例截图】
【核心代码】
多核学习代码
└── 多核学习代码
├── simplemkl
│ ├── build_efficientK.m
│ ├── costsvmclassls.m
│ ├── costsvmclass.m
│ ├── costsvmoneagainstall.m
│ ├── costsvmoneagainstone.m
│ ├── costsvmreg.m
│ ├── CreateDataAppTest.m
│ ├── CreateKernelListWithVariable.m
│ ├── devectorize.c
│ ├── devectorize.dll
│ ├── devectorize.mexglx
│ ├── devectorize_single.c
│ ├── devectorize_single.dll
│ ├── devectorize_single.mexglx
│ ├── exmklclass.m
│ ├── exmkllsdisk.m
│ ├── exmklmulticlass.m
│ ├── exmklmulticlassrealdata.m
│ ├── exmklreg.m
│ ├── exmklvariationC.m
│ ├── gradsvmclassls.m
│ ├── gradsvmclass.m
│ ├── gradsvmoneagainstall.m
│ ├── gradsvmoneagainstone.m
│ ├── gradsvmreg.m
│ ├── ionosphere.mat
│ ├── mklbuildkernel.m
│ ├── mklkernel.m
│ ├── mklmulticlass.m
│ ├── mklmulticlassupdate.m
│ ├── mklsvmclassSILP.m
│ ├── mklsvmls.m
│ ├── mklsvmlsupdate.m
│ ├── mklsvm.m
│ ├── mklsvmregSILP.m
│ ├── mklsvmupdate.m
│ ├── monqp.m
│ ├── normalizemeanstd.m
│ ├── sumKbetals.m
│ ├── sumKbeta.m
│ ├── svmclasslsformkl.m
│ ├── svmclass.m
│ ├── svmkernel.m
│ ├── svmval.m
│ ├── UnitTraceNormalization.m
│ ├── vectorize.c
│ ├── VectorizeCofSVM.m
│ ├── vectorize.dll
│ ├── vectorize.mexglx
│ ├── vectorize_single.c
│ ├── vectorize_single.dll
│ ├── vectorize_single.mexglx
│ └── WeightK.m
├── smo-mkl
│ └── smo-mkl
│ ├── COPYRIGHT
│ ├── Example
│ │ ├── Classification
│ │ │ ├── PrecomputedKernels
│ │ │ │ ├── kernel_0
│ │ │ │ ├── kernel_0.test
│ │ │ │ ├── kernel_1
│ │ │ │ ├── kernel_10
│ │ │ │ ├── kernel_10.test
│ │ │ │ ├── kernel_11
│ │ │ │ ├── kernel_11.test
│ │ │ │ ├── kernel_12
│ │ │ │ ├── kernel_12.test
│ │ │ │ ├── kernel_13
│ │ │ │ ├── kernel_13.test
│ │ │ │ ├── kernel_14
│ │ │ │ ├── kernel_14.test
│ │ │ │ ├── kernel_15
│ │ │ │ ├── kernel_15.test
│ │ │ │ ├── kernel_16
│ │ │ │ ├── kernel_16.test
│ │ │ │ ├── kernel_17
│ │ │ │ ├── kernel_17.test
│ │ │ │ ├── kernel_18
│ │ │ │ ├── kernel_18.test
│ │ │ │ ├── kernel_19
│ │ │ │ ├── kernel_19.test
│ │ │ │ ├── kernel_1.test
│ │ │ │ ├── kernel_2
│ │ │ │ ├── kernel_20
│ │ │ │ ├── kernel_20.test
│ │ │ │ ├── kernel_21
│ │ │ │ ├── kernel_21.test
│ │ │ │ ├── kernel_22
│ │ │ │ ├── kernel_22.test
│ │ │ │ ├── kernel_23
│ │ │ │ ├── kernel_23.test
│ │ │ │ ├── kernel_24
│ │ │ │ ├── kernel_24.test
│ │ │ │ ├── kernel_25
│ │ │ │ ├── kernel_25.test
│ │ │ │ ├── kernel_2.test
│ │ │ │ ├── kernel_3
│ │ │ │ ├── kernel_3.test
│ │ │ │ ├── kernel_4
│ │ │ │ ├── kernel_4.test
│ │ │ │ ├── kernel_5
│ │ │ │ ├── kernel_5.test
│ │ │ │ ├── kernel_6
│ │ │ │ ├── kernel_6.test
│ │ │ │ ├── kernel_7
│ │ │ │ ├── kernel_7.test
│ │ │ │ ├── kernel_8
│ │ │ │ ├── kernel_8.test
│ │ │ │ ├── kernel_9
│ │ │ │ ├── kernel_9.test
│ │ │ │ ├── kernelfile
│ │ │ │ ├── model_file
│ │ │ │ ├── prediction
│ │ │ │ ├── y_test
│ │ │ │ ├── y_train
│ │ │ │ └── y_train.model
│ │ │ └── README
│ │ └── Regression
│ │ ├── README
│ │ └── toy
│ │ ├── kernelfile
│ │ ├── model_file
│ │ ├── prediction
│ │ ├── y_test
│ │ └── y_train
│ ├── FAQ.html
│ ├── heart_scale
│ ├── housing
│ ├── java
│ │ ├── libsvm
│ │ │ ├── svm.java
│ │ │ ├── svm.m4
│ │ │ ├── svm_model.java
│ │ │ ├── svm_node.java
│ │ │ ├── svm_parameter.java
│ │ │ ├── svm_print_interface.java
│ │ │ └── svm_problem.java
│ │ ├── libsvm.jar
│ │ ├── Makefile
│ │ ├── svm_predict.java
│ │ ├── svm_scale.java
│ │ ├── svm_toy.java
│ │ ├── svm_train.java
│ │ └── test_applet.html
│ ├── Makefile
│ ├── Makefile.win
│ ├── python
│ │ ├── cross_validation.py
│ │ ├── Makefile
│ │ ├── README
│ │ ├── setup.py
│ │ ├── svmc.i
│ │ ├── svmc_wrap.c
│ │ ├── svm.py
│ │ ├── svm_test.py
│ │ └── test_cross_validation.py
│ ├── README
│ ├── svm.cpp
│ ├── svm.h
│ ├── svm-predict.c
│ ├── svm-scale.c
│ ├── svm-toy
│ │ ├── gtk
│ │ │ ├── callbacks.cpp
│ │ │ ├── callbacks.h
│ │ │ ├── interface.c
│ │ │ ├── interface.h
│ │ │ ├── main.c
│ │ │ ├── Makefile
│ │ │ └── svm-toy.glade
│ │ ├── qt
│ │ │ ├── Makefile
│ │ │ └── svm-toy.cpp
│ │ └── windows
│ │ └── svm-toy.cpp
│ ├── svm-train.c
│ ├── timer.cpp
│ ├── timer.hpp
│ ├── tools
│ │ ├── checkdata.py
│ │ ├── easy.py
│ │ ├── grid.py
│ │ ├── README
│ │ └── subset.py
│ └── windows
│ ├── Windows_32bit
│ │ ├── svm-predict.exe
│ │ ├── svm-scale.exe
│ │ └── svm-train.exe
│ └── Windows_64bit
│ ├── svm-predict.exe
│ ├── svm-scale.exe
│ └── svm-train.exe
├── SVM-KM
│ ├── AdaptScalSVM
│ │ ├── costlbfixed.m
│ │ ├── costlfixed.m
│ │ ├── costwbfixed.m
│ │ ├── costwfixed.m
│ │ ├── ExampledemoAdaptScal.m
│ │ ├── ExampleFeatSelAdaptScal.m
│ │ ├── gradlbfixed.m
│ │ ├── gradlfixed.m
│ │ ├── gradwbfixed.m
│ │ ├── gradwfixed.m
│ │ ├── LagrangeUpdate.m
│ │ ├── SigmaUpdate.m
│ │ ├── svmfit.asv
│ │ ├── svmfitconj.m
│ │ └── svmfit.m
│ ├── contents.m
│ ├── cout.m
│ ├── dataset1.mat
│ ├── dataset2.mat
│ ├── dataset3.mat
│ ├── datasets.m
│ ├── featselreg
│ │ ├── exfeatselreg1.m
│ │ ├── FeatSelregalphaGD.m
│ │ ├── FeatSelregalphaGDrandom.m
│ │ ├── FeatSelregalpha.m
│ │ ├── FeatSelreglinearL1.m
│ │ ├── FeatSelregmarginGD.m
│ │ ├── FeatSelregmarginGDrandom.m
│ │ ├── FeatSelregmargin.m
│ │ ├── FeatSelregr2w2GD.m
│ │ ├── FeatSelregr2w2GDrandom.m
│ │ ├── FeatSelregr2w2.m
│ │ ├── FeatSelregspanboundGD.m
│ │ ├── FeatSelregspanboundGDrandom.m
│ │ ├── FeatSelregspanbound.m
│ │ ├── r2alpharegL2.m
│ │ └── spanestimateregL2.m
│ ├── FeatureSelection
│ │ ├── featselcorrcoeff.m
│ │ ├── featselkernelderivative.m
│ │ ├── FeatSelmargdif1v1.m
│ │ ├── FeatSelmargdif.m
│ │ ├── FeatSelmargin.m
│ │ ├── FeatSelr2w2diff.m
│ │ └── FeatSelr2w2.m
│ ├── fileaccess.m
│ ├── functioneval.m
│ ├── gda.m
│ ├── givrot.m
│ ├── kbp
│ │ ├── BuildTrapScale.m
│ │ ├── calcdistance.m
│ │ ├── CalcTrapScale.m
│ │ ├── exlar1.m
│ │ ├── exlar.m
│ │ ├── exlarrealdata.m
│ │ ├── exlarsignalclassif.m
│ │ ├── exmultikernellarclass.m
│ │ ├── HingeLAR2.m
│ │ ├── HingeLAR.m
│ │ ├── LAR.m
│ │ ├── LARval.m
│ │ ├── multiplekernel.m
│ │ ├── normalizekernelLAR.m
│ │ ├── plot2Ddec.m
│ │ ├── pyrim.mat
│ │ └── testHingeLAR.m
│ ├── kernelpca.m
│ ├── kernelpcaproj.m
│ ├── kernelset.m
│ ├── libsvminterface
│ │ ├── mexSVMClass.dll
│ │ ├── mexSVMClass.mexglx
│ │ ├── mexSVMTrain.dll
│ │ ├── mexSVMTrain.mexglx
│ │ ├── svmclasslib.m
│ │ └── svmvallib.m
│ ├── license.txt
│ ├── LPsvmclass.m
│ ├── LPsvmreg.m
│ ├── monqpCinfty.m
│ ├── monqp.m
│ ├── normalizekernel.m
│ ├── phispan.m
│ ├── r2smallestsphere.m
│ ├── regpath
│ │ ├── exregpathoneclasssvm.asv
│ │ ├── exregpathoneclasssvm.m
│ │ ├── regpathsvmoneclass.m
│ │ └── TransformPathFromNu.m
│ ├── regsolve.m
│ ├── rncalc.m
│ ├── rnval.m
│ ├── spanestimate.m
│ ├── svmclassL2LS.m
│ ├── svmclassL2.m
│ ├── svmclassLS.m
│ ├── svmclass.m
│ ├── svmclassnpa.m
│ ├── svmkernel.m
│ ├── svmmulticlass.m
│ ├── svmmulticlassoneagainstall.m
│ ├── svmmulticlassoneagainstone.m
│ ├── svmmultival.m
│ ├── svmmultivaloneagainstone.m
│ ├── svmnuclass.m
│ ├── svmnureg.m
│ ├── svmoneclass.m
│ ├── svmoneclassval.m
│ ├── svmregL2.m
│ ├── svmregLS.m
│ ├── svmreg.m
│ ├── svmroc
│ │ ├── contents.m
│ │ ├── OLDsvmroccurve.m
│ │ ├── rankboostAUC.m
│ │ ├── rankboostAUCOLD.m
│ │ ├── rankboostAUCval.m
│ │ ├── rankroccurve.m
│ │ ├── svmrocCS.m
│ │ ├── svmroccurve.m
│ │ ├── svmroc.m
│ │ └── svmrocval.m
│ ├── svmval.m
│ ├── tensorwavkernel.m
│ ├── utilities
│ │ ├── ConfusionMatrix.m
│ │ ├── CreateCVrealdata.m
│ │ ├── CreateCVtoy.m
│ │ ├── CreateDataAppTest.m
│ │ ├── CreateDataAppTestReg.m
│ │ ├── DataGrid2D.m
│ │ ├── kernelknn.m
│ │ ├── knn.m
│ │ ├── lambdawilks.m
│ │ ├── mwustat.m
│ │ ├── nfcv.m
│ │ ├── nfcvreg.m
│ │ ├── normalizeinterval.m
│ │ ├── normalizekernel.m
│ │ ├── normalizemeanstd.m
│ │ ├── VectorizeCofSVM.m
│ │ └── wstat.m
│ ├── waveletfunction.m
│ ├── waveletkernelmultires
│ │ ├── backfitting.m
│ │ ├── backfittingval.m
│ │ ├── CreateMultiLevelKernel.m
│ │ ├── exrealframetest.m
│ │ ├── exsimulframetest.m
│ │ ├── makesignalnus.m
│ │ └── TestWaveletKernel.m
│ └── waveletspan.m
└── SVM-KMExample
├── contents.m
├── exclass1.m
├── exclass2.m
├── exclass3.m
├── exclass4.m
├── exclassalphainit.m
├── exclasscheckershaarkernel2.m
├── exclasscheckershaarkernel.m
├── exclassL2LS.m
├── exclasslibsvm.m
├── exclasslibsvmrealdata.m
├── exclassls.m
├── exclass.m
├── exclassnpa.m
├── exclassrn1.m
├── exclassrn.m
├── exkernelset.m
├── exLPreg1d.m
├── exmulticlass1.m
├── exmulticlass1v1.m
├── exmulticlass2.m
├── exmulticlassall2.m
├── exmulticlassall.m
├── exmulticlass.m
├── exnlrlpsvm.m
├── exnuclass1.m
├── exoneclasssvm.m
├── exr2smallestsphere.m
├── exrankboost1.m
├── exrankboost.m
├── exreg1dls.m
├── exreg1d.m
├── exreg2d.m
├── exregrn.m
├── exroccurve.m
├── exroccurvemodelsel.m
├── exsvmroc1.m
├── exsvmroc2.m
├── extensorwavkernel.m
├── FeatSelAdaptScal1.m
├── FeatSelAdaptScal.m
├── featSelExample.m
├── jouet.m
├── kpcaex1.m
├── kpcaex2.m
├── kpcaex3.m
├── pathdef.m
├── phispan.m
├── semipregex1.m
├── semipsvmex1.m
├── TestSanityCheck.m
├── testsemip2d.m
└── westontoynonlinear.mat
31 directories, 375 files
标签:
小贴士
感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论