已閱讀1頁,還剩71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、本文對基于大數(shù)據(jù)集學(xué)習(xí)問題的支持向量機訓(xùn)練算法進行了研究。文章首先圍繞最大間隔超平面的思想,基于凸包與約簡凸包的概念從幾何角度對支持向量機進行了分析與解釋;其次基于分解與可行方向的優(yōu)化技術(shù),從工作集選擇策略、緩存的使用等角度對標(biāo)準序列最小優(yōu)化SMO(SequentialMinimalOptimization)算法進行了改進,顯著提高了支持向量機在大數(shù)據(jù)集上的訓(xùn)練效率;然后,根據(jù)計算幾何中最小覆蓋球MEB(MinimumEnclosing
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(yù)覽,若沒有圖紙預(yù)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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(dān)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
- 基于支持向量機的不平衡數(shù)據(jù)集分類算法研究.pdf
- 支持向量機訓(xùn)練算法研究.pdf
- 基于殼向量的支持向量機快速學(xué)習(xí)算法研究.pdf
- 基于不平衡數(shù)據(jù)集的支持向量機模型與算法研究
- 不平衡數(shù)據(jù)集上支持向量機算法研究.pdf
- 支持向量機訓(xùn)練算法的研究.pdf
- 支持向量機學(xué)習(xí)算法若干問題的研究.pdf
- 基于向量投影的支持向量機增量學(xué)習(xí)算法.pdf
- 基于不平衡數(shù)據(jù)集的支持向量機模型與算法研究.pdf
- 基于支持向量機的在線學(xué)習(xí)算法研究.pdf
- 支持向量機加速訓(xùn)練算法研究.pdf
- 支持向量機學(xué)習(xí)算法的若干問題研究.pdf
- 基于粗糙集理論與支持向量機的數(shù)據(jù)挖掘方法算法研究.pdf
- 支持向量機增量學(xué)習(xí)算法研究.pdf
- 支持向量機集成學(xué)習(xí)算法研究.pdf
- 基于支持向量機的智能數(shù)據(jù)挖掘算法研究.pdf
- 支持向量機及其學(xué)習(xí)算法
- 基于改進支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
- 支持向量機訓(xùn)練算法的研究與優(yōu)化.pdf
- 增量支持向量機學(xué)習(xí)算法研究.pdf
評論
0/150
提交評論