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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、碩士研究生學(xué)位論文碩士研究生學(xué)位論文新疆大學(xué)論文題目(中文):論文題目(中文):半監(jiān)督非平行超平面分類機(jī)半監(jiān)督非平行超平面分類機(jī)論文題目(英文)論文題目(英文):nonparallelhyperplanesclassifierfsemisupervisedclassification研究生姓名:名:閆金花閆金花專業(yè)、學(xué)業(yè)、學(xué)科:數(shù)學(xué)科:數(shù)學(xué)研究方向:向:最優(yōu)化最優(yōu)化導(dǎo)師導(dǎo)師姓名姓名職稱:楊志霞職稱:楊志霞教授教授論文答辯日期論文答辯日期
2、2015年5月27日學(xué)位授予日期學(xué)位授予日期2015年月日IIAbstractMachinelearninghasveryimptantpositioninartificialintelligencepatternrecognitionresearch.Supptvectmachine(SVM)isamachinelearningmethodbasedonstatisticallearningtheydevelopedinviewoft
3、hesmallsamplebyVapnik.Thismethodisbecomingmemeextensiveresearchapplicationbecauseithasgoodgeneralizationabilityiseasytooperatefhighdimensionaldata.Traditionalsupervisedclassificationmethodcouldsolvevariouspracticalproble
4、msefficientlybutitneedstohavealargenumberofsamplesinmarkersindertogetenoughtrainingsamples.Inawdthepriceishightheefficiencyislow.Therefesomesemisupervisedsupptvectmachine(SVM)classificationmethodsareproposedaccdingtothea
5、ctualneeds.Thetraditionalclassificationmethodofthesupervisionproblemscansolvevariouspracticalproblemseffectively.Howevertheboundaryhyperpanesofthedecisionfunctionareparallelsothatitspopularizationisrestricted.Soweputfwar
6、dnonparallelhyperplanesclassifierfsemisupervisedclassification.Itputslabeleddatapointsunlabeleddatespointcodinginaconnectiondiagrameachnoderepresentsadatapoint.Ifthereisalotofsimilaritiesbetweenthetwodatapointswithanedge
7、connectingtheircrespondingnode.weshouldfindtherightcategytomakethemwithexistinglabeleddatapotentialgraphstructurefunlabeleddataminimizetheinconsistencytoimprovethepredictingaccuracyofthemodel.Atthesametimetheperfmanceofo
8、urproposedmethodisbetterthanthatofLaplaciansupptvectmachine(SVM)Laplaciantwinsupptvectmachine(TSVM)innumericalexperiments.Furthermeweintroducethefeatureiontechniqueintoourmethodimprovetheaccuracyofthemodel.Keywds:Supptve
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(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,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)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(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自己和他人造成任何形式的傷害或損失。
最新文檔
- 非平行超平面分類器算法研究.pdf
- 模糊支持向量分類機(jī).pdf
- 健身球檢驗(yàn)分類機(jī)
- 健身球檢驗(yàn)分類機(jī)
- 若干改進(jìn)的支持向量分類機(jī).pdf
- 基于極限學(xué)習(xí)機(jī)的半監(jiān)督分類.pdf
- 基于半監(jiān)督的支持向量機(jī)網(wǎng)頁分類方法.pdf
- 訓(xùn)練支持向量分類機(jī)的算法研究.pdf
- 健身球分類機(jī)畢業(yè)設(shè)計(jì)
- 半監(jiān)督網(wǎng)頁分類研究.pdf
- 支持向量分類機(jī)的核函數(shù)研究.pdf
- 20974.基于svm分類機(jī)的dna序列分類方法
- 基于半監(jiān)督的網(wǎng)頁分類.pdf
- 平行機(jī)半在線排序問題.pdf
- 基于邊界向量樣本的支持向量分類機(jī).pdf
- 全自動(dòng)石英晶片分類機(jī)的設(shè)計(jì)與研究.pdf
- 支持向量分類機(jī)的訓(xùn)練與簡化算法研究.pdf
- 12458.半監(jiān)督支持向量機(jī)高光譜遙感影像分類
- 半監(jiān)督降維及其在超光譜圖像分類中的應(yīng)用研究.pdf
- 監(jiān)督和半監(jiān)督支持向量機(jī)研究.pdf
評論
0/150
提交評論