已閱讀1頁,還剩52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、傳統(tǒng)支持向量機(SVM)是通過一個凸二次規(guī)劃求解的,并有較好的泛化能力,已經(jīng)在生物信息學(xué)、人臉識別、指紋識別、手寫體識別、數(shù)據(jù)庫學(xué)習(xí)與身份驗證等領(lǐng)域得到了較好的應(yīng)用。
以統(tǒng)計學(xué)理論為基礎(chǔ),本文重點研究了支持向量機核函數(shù)的構(gòu)造、支持向量機快速訓(xùn)練算法、支持向量機訓(xùn)練集剪輯技術(shù)等內(nèi)容。
本文所做的主要工作如下:
1.設(shè)計了一個泛化能力與學(xué)習(xí)能力折中的混合核函數(shù)Kop。與傳統(tǒng)RBF核相比,基于Kop下
2、的SVM,其支持向量個數(shù)少、分類性能好。
2.提出了一種新的支持向量分類算法——ACNN-SVM,主要為了解決NN-SVM算法并不能保證在訓(xùn)練集上找到最少需要的原型樣本點集的缺陷。
3.求解兩個權(quán)向量,無需求解超平面的具體形式,針對GEPSVM可能存在奇異性問題,提出了權(quán)向量多平面支持向量機WMPSVM。該方法不僅可以糾正某些情況下GEPSVM錯分問題,而且避免了GEPSVM奇異性問題。
4.將
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
- SVM模型改進的若干研究.pdf
- 改進SVM快速訓(xùn)練算法.pdf
- 改進的SVM并行回歸預(yù)測算法.pdf
- 圖像處理中若干算法的改進與實現(xiàn).pdf
- 基于改進隨機梯度下降算法的SVM.pdf
- 基于SVM算法的本體實例分類改進研究.pdf
- 基于改進SVM的網(wǎng)絡(luò)入侵檢測算法研究.pdf
- 基于GMM與改進LS-SVM算法的說話人識別研究.pdf
- 利用SVM改進Adaboost算法的人臉檢測精度.pdf
- 形式概念分析中若干算法的改進與實現(xiàn).pdf
- 基于NMF和SVM改進算法的人臉識別.pdf
- 基于PageRank排序算法改進的若干研究.pdf
- 基于SVM算法的改進及其在時間序列上的應(yīng)用.pdf
- 最近鄰分類的若干改進算法研究.pdf
- 醫(yī)學(xué)圖像增強若干算法的改進研究.pdf
- 基于改進AP-SVM算法的網(wǎng)絡(luò)流量分析與分類.pdf
- 基于改進遺傳算法的LS_SVM參數(shù)選取.pdf
- 微粒群算法的若干改進及應(yīng)用.pdf
- 遺傳算法的改進及其若干應(yīng)用.pdf
- 改進的KFCM聚類算法及其在分治SVM中的應(yīng)用.pdf
評論
0/150
提交評論