已閱讀1頁，還剩50頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著支持向量機的研究日趨完善，以及支持向量機的優(yōu)越的建模能力，并且在克服“維數(shù)災難”以及“過學習”方面較其他模型表現(xiàn)更良好，越來越多的學者對支持向量機進行了研究，并成功地將支持向量機運用到很多的領(lǐng)域.支持向量機的算法和參數(shù)的選取一直以來都是很熱門的研究方向.本文對支持向量的選取以及核函數(shù)參數(shù)和懲罰參數(shù)進行了研究.
在理論方面，本文從最優(yōu)化的角度，給出了支持向量機的對偶問題的推導過程，并給出了對偶問題的優(yōu)化性質(zhì)的證明.
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 支持向量機參數(shù)選擇及訓練算法研究.pdf
- 基于MAs算法的支持向量機參數(shù)優(yōu)化研究.pdf
- 支持向量機參數(shù)優(yōu)化研究.pdf
- 支持向量機的理論與算法研究.pdf
- 支持向量機分類算法研究與應用.pdf
- 模糊支持向量機算法研究.pdf
- 支持向量機訓練算法研究.pdf
- 支持向量機參數(shù)選擇的研究.pdf
- 基于PFO算法的支持向量機參數(shù)優(yōu)化的研究.pdf
- 支持向量機并行訓練算法與基于遺傳算法的參數(shù)優(yōu)化研究.pdf
- 支持向量機的理論與算法研究
- 基于支持向量機參數(shù)優(yōu)化的群智能優(yōu)化算法研究.pdf
- 支持向量機模型參數(shù)的研究.pdf
- 支持向量機訓練算法的研究與優(yōu)化.pdf
- 支持向量機分類算法的研究與應用.pdf
- 支持向量機回歸算法與應用研究.pdf
- 支持向量機增量算法.pdf
- 支持向量機加速訓練算法研究.pdf
- 支持向量機增量學習算法研究.pdf
- 支持向量機集成學習算法研究.pdf
評論
0/150
提交評論