版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、對(duì)大樣本數(shù)據(jù)進(jìn)行訓(xùn)練一直是機(jī)器學(xué)習(xí)領(lǐng)域里一個(gè)典型的問(wèn)題,一般的核心集向量機(jī)可以實(shí)現(xiàn)對(duì)大樣本進(jìn)行訓(xùn)練,但許多樣本中樣例的分布往往是不平衡的,一般的核心集向量機(jī)沒(méi)有考慮這一問(wèn)題,賦予所有樣本點(diǎn)以相同的懲罰因子,使得分類精度較低,分類效果不好。
針對(duì)樣本容量較大和樣例分布的不平衡這兩個(gè)問(wèn)題,論文從以下兩個(gè)方面對(duì)加權(quán)的核心集向量機(jī)進(jìn)行了研究:
1、提出了一種快速算法,加權(quán)的核心集向量機(jī),它的算法由兩個(gè)階段組成。在第一階段中,
2、使用核心集向量機(jī)法或一般化的核心集向量機(jī)法有效地獲得核心集。在第二階段中,用加權(quán)的支持向量機(jī)對(duì)分布不平衡的樣本進(jìn)行訓(xùn)練。
2、針對(duì)目前在大規(guī)模數(shù)據(jù)和不平衡數(shù)據(jù)分類時(shí)存在的一些問(wèn)題,提出了一種新的分類方法。利用基于最大夾角間隔的核心集向量機(jī)算法實(shí)現(xiàn)對(duì)大樣本數(shù)據(jù)的分類,針對(duì)不平衡數(shù)據(jù)分類問(wèn)題,通過(guò)對(duì)不同的樣本給予不同的權(quán)重,來(lái)提高算法的分類性能。加權(quán)最大夾角間隔核心集向量機(jī)方法不僅能夠有效地解決不平衡數(shù)據(jù)的分類問(wèn)題,而且能夠?qū)崿F(xiàn)對(duì)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多分類廣義加權(quán)支持向量機(jī)研究.pdf
- 33637.加權(quán)極端支持向量機(jī)的研究
- 加權(quán)模糊支持向量機(jī)及其應(yīng)用研究.pdf
- 基于加權(quán)支持向量機(jī)的短期負(fù)荷預(yù)測(cè).pdf
- 幾種特征加權(quán)支持向量機(jī)方法的比較研究.pdf
- 基于加權(quán)增量的支持向量機(jī)分類算法研究.pdf
- 加權(quán)支持向量機(jī)若干算法的研究及其應(yīng)用.pdf
- 加權(quán)平滑支持向量機(jī)及外匯數(shù)據(jù)的實(shí)證分析.pdf
- 基于加權(quán)度量支持向量機(jī)下的分類算法研究.pdf
- 基于加權(quán)直覺(jué)模糊支持向量機(jī)的圖像分割技術(shù).pdf
- 加權(quán)平滑支持向量機(jī)及外匯數(shù)據(jù)的實(shí)證分析
- 基于加權(quán)增量的支持向量機(jī)分類算法研究(1)
- 基于示例加權(quán)支持向量機(jī)的多示例學(xué)習(xí)算法研究.pdf
- 加權(quán)mmc函數(shù)與廣義fld準(zhǔn)則函數(shù)的最優(yōu)鑒別向量集
- 加權(quán)支持向量機(jī)在可靠性預(yù)測(cè)中的應(yīng)用.pdf
- 加權(quán)支持向量機(jī)在可靠性預(yù)測(cè)中的應(yīng)用
- 基于分層加權(quán)支持向量機(jī)模型的自動(dòng)人臉年齡估計(jì).pdf
- 基于自組織數(shù)據(jù)分析算法的加權(quán)支持向量機(jī).pdf
- 不均衡數(shù)據(jù)集的支持向量機(jī)模型研究.pdf
- DEM構(gòu)建的加權(quán)最小二乘支持向量機(jī)抗差算法.pdf
評(píng)論
0/150
提交評(píng)論