壳向量相关论文
基于统计学习理论的支持向量机方法由于具有全局最优和良好的泛化能力,在近几年无论在理论上还是在应用上得到了广泛的研究,并取得......
在互联网领域,数据集是随着时间的推移不断产生的,所以在完整的数据集上进行机器学习是个几乎不可能的事情,这就需要学习器能够不......
针对传统支持向量机(SVM)增量算法,在学习过程中因基于局部最优解而可能舍弃含隐性信息的非支持向量样本,以及对于新增样本需全部......
针对支持向量机分类器学习新增样本知识实时性差的问题,本文研究了一种基于壳向量和Parzen窗密度估计的雷达辐射源识别在线学习方......
为进一步提高SVM增量训练的速度,在有效保留含有重要分类信息的历史样本的基础上,对当前增量训练样本集进行了约简,提出了一种基于......
对边界邻近支持向量机进行改进，即在壳向量集上进行边界邻近样本的搜索，给出了基于壳向量的边界邻近支持向量机。实验结果证明：基于壳......
以支持向量机（SVM）为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有＂灾难性遗忘＂现象,即会遗忘以前学过的知识......
针对经典支持向量机难以快速有效地进行增量学习的缺点,提出了基于KKT条件与壳向量的增量学习算法,该算法首先选择包含所有支持向......
针对传统支持向量机（SVM）增量算法,在学习过程中因基于局部最优解而可能舍弃含隐性信息的非支持向量样本,以及对于新增样本需全部进......
本文针对支持向量机难以快速有效地进行增量式学习的问题，提出了一种基于内壳向量的支持向量机增量式学习算法。算法通过线性规划运......
该文提出了一种新的支持向量机学习算法一基于壳向量的增量学习算法（HVISVM）。选取一部分最有可能成为支持向量的样本一壳向量，再进行......
提出了一种新的基于壳向量的增量式支持向量机快速学习算法．在增量学习的过程中，利用训练样本集中的几何信息。在样本中选取一部分最......
如今,随着全球经济复苏、社会稳定发展以及社会医疗水平的普及与提高,世界人均寿命不断提升,人口老龄化问题也随之呈现上升趋势。......
针对支持向量机（Support vector machines，SVMs）中大规模样本集训练速度慢且分类精度易受野点影响的问题，提出一个基于样本几何信息的......
支持向量机(SVM,Support Vector Machine)作为机器学习(Machine Learning)的一个重要研究分支,近年来正受到越来越多的重视,并成为......
通过对训练样本集的几何特征和机器学习迭代过程中支持向量的变化情况分析,文章提出一种改进的基于KKT条件和壳向量的SVM增量学习......
