已閱讀1頁，還剩47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、支持向量機是在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的機器學(xué)習(xí)方法。支持向量機又稱為支持向量網(wǎng)絡(luò)，具有理論完備、適應(yīng)性強、全局優(yōu)化、訓(xùn)練時間短、泛化性能好等優(yōu)點，已經(jīng)成為目前國際、國內(nèi)研究的熱點。近年內(nèi)，有關(guān)SVM的應(yīng)用研究也得到了很多領(lǐng)域的學(xué)者的重視，在各個方面取得了大量的研究成果。 本文首先分析了現(xiàn)在四種最主要的基于SVM的多類分類算法的優(yōu)缺點，并對其分類和測試速度進行了比較，然后提出了一種改進的二叉樹多類分類算法。此算法繼承了
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。
- 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SVM的多類文本分類算法及其應(yīng)用研究.pdf
- SVM多類分類及其在遙感圖像中的應(yīng)用.pdf
- 基于AUC的SVM多類分類算法的優(yōu)化.pdf
- 基于SVM的分類挖掘算法及其應(yīng)用.pdf
- 基于Pareto多目標優(yōu)化的SVM多類分類算法的實現(xiàn).pdf
- 基于SVM分類器的分步定位算法研究.pdf
- 基于LS-SVM的多標簽分類算法.pdf
- 基于FBT的改進SVM多類分類方法研究.pdf
- 基于SVM多類分類算法的鋁土礦泡沫浮選工況識別研究.pdf
- 基于增量學(xué)習(xí)SVM分類算法的研究與應(yīng)用.pdf
- 多類圓形物體圖像的中心定位算法研究.pdf
- 基于支持向量機的多類分類算法研究及在滾動軸承故障識別中的應(yīng)用.pdf
- 聚類算法研究及其在網(wǎng)絡(luò)模塊性分析中的應(yīng)用.pdf
- 改進的KFCM聚類算法及其在分治SVM中的應(yīng)用.pdf
- 基于蟻群優(yōu)化的層次聚類算法及其在網(wǎng)絡(luò)取證中的應(yīng)用
- 基于聚類的高效包分類算法研究及其應(yīng)用.pdf
- 基于SVM分類算法的主題爬蟲研究.pdf
- 基于1-SVM的多球體分類器理論及其應(yīng)用研究.pdf
- 基于蟻群優(yōu)化的層次聚類算法及其在網(wǎng)絡(luò)取證中的應(yīng)用.pdf
- 基于SVM樹型多分類的蜂窩通信系統(tǒng)中節(jié)點定位算法研究.pdf
評論
0/150
提交評論