matlab精度检验代码-KOL:内核在线学习库

【文件属性】：
文件名称：matlab精度检验代码-KOL:内核在线学习库
文件大小：1.37MB
文件格式：ZIP
更新时间：2021-05-22 01:10:51
系统开源 matlab精度检验代码LIBOKL-在线内核学习算法库 作者：陆静，吴越，海燕 接触： ， LIBOKL是用于解决大规模在线内核学习任务的软件包。 当前版本使用C ++，总共有10种不同的在线单核学习算法用于二进制分类，所有算法都广泛用于在线核学习研究中。 我们还提供其他软件包，用于多类分类和回归以及多核学习。 请参阅最后的链接。 该软件包中的算法包括： Perceptron：没有预算维护的内核化Perceptron。 在线梯度下降（OGD）：无预算维护的内核化在线梯度下降算法。 随机预算感知器（RBP）：具有随机支持向量去除策略的预算感知器算法。 Forgetron：Forgetron算法，该算法通过丢弃最旧的支持向量来保持预算大小。 Projectron：使用预算预测策略的Projectron算法。 Projectron ++：Projectron算法的激进版本，会同时更新边距错误和错误情况。 BPA：采用简单的禁止删除策略的预算被动攻击性算法。 BOGD：采用SV去除策略的预算在线梯度下降算法 FOGD：使用函数逼近方法的傅立叶在线梯度下降算法。 NOGD：使用函数逼近法的Ny

【文件预览】：
KOL-master
----sample_dataset()
--------a9a_train(2.25MB)
--------a9a_test(1.11MB)
----install.pdf(561KB)
----python()
--------learn.py(1KB)
--------cross.py(2KB)
--------KOL.exe(151KB)
--------rand.py(531B)
--------a9a_train(2.25MB)
--------a9a_test(1.11MB)
--------german(162KB)
----index.html(20KB)
----src()
--------data()
--------loss()
--------makefile(546B)
--------Params.h(3KB)
--------common()
--------main.cpp(5KB)
--------Params.cpp(6KB)
--------kernel()
----Eigen()
--------down.txt(19B)
----CMakeLists.txt(2KB)
----README.md(9KB)