已閱讀1頁，還剩58頁未讀， 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、支持向量機(jī)(SVM)是一種已經(jīng)廣泛應(yīng)用于各種應(yīng)用的統(tǒng)計(jì)學(xué)習(xí)方法。SVM一般可以作為分類算法或者回歸算法使用，但它在處理樣本排序問題時(shí)并不是最理想的方法。因此我們引入了一類新的SVM算法用來學(xué)習(xí)已知的某些樣本的排序從而得出測(cè)試樣本的期望排序，即支持向量機(jī)排序回歸(SVRR，SupportVector Rank Regression)。在這里，我們將SVRR應(yīng)用于優(yōu)化分子對(duì)接打分函數(shù)中。利用三個(gè)常用的分子對(duì)接驗(yàn)證數(shù)據(jù)集，我們證明了用SVRR
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(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)頁內(nèi)容里面會(huì)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(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
- 基于智能優(yōu)化算法的支持向量機(jī)回歸及其應(yīng)用.pdf
- 支持向量回歸機(jī)參數(shù)優(yōu)化的方法研究.pdf
- 支持向量回歸機(jī)及其應(yīng)用研究.pdf
- 基于webar的分子對(duì)接游戲中打分函數(shù)的優(yōu)化與實(shí)現(xiàn)
- 支持向量機(jī)模型優(yōu)化及其應(yīng)用.pdf
- 增量支持向量機(jī)回歸算法及其應(yīng)用研究.pdf
- 孿生支持向量機(jī)及其優(yōu)化方法研究.pdf
- 支持向量機(jī)核函數(shù)研究及其在語音識(shí)別中的應(yīng)用.pdf
- 改進(jìn)的支持向量機(jī)回歸估計(jì)算法及其應(yīng)用.pdf
- 用簡(jiǎn)化的孿生支持向量回歸機(jī)同步學(xué)習(xí)函數(shù)及其導(dǎo)數(shù).pdf
- 支持向量機(jī)回歸算法的研究與應(yīng)用.pdf
- 支持向量機(jī)方法及其應(yīng)用研究.pdf
- 支持向量機(jī)模型優(yōu)化方法及其在旋轉(zhuǎn)機(jī)械智能診斷中的應(yīng)用.pdf
- 支持向量機(jī)核函數(shù)選擇方法探討.pdf
- 支持向量回歸機(jī)在基金凈值預(yù)測(cè)中的應(yīng)用.pdf
- 混合核函數(shù)支持向量機(jī)在信用評(píng)估中的應(yīng)用.pdf
- 支持向量機(jī)回歸算法與應(yīng)用研究.pdf
- 支持向量機(jī)核函數(shù)的參數(shù)選擇方法.pdf
- 支持向量機(jī)的優(yōu)化建模方法研究.pdf
- 支持向量回歸機(jī)在組合預(yù)測(cè)中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論