边界向量相关论文
支持向量机是一种基于统计学习理论的新一代机器学习技术,已广泛应用于手写数字识别、人脸识别、文本分类、回归预测、时间序列分......
块算法和分解算法是支持向量机的两个主要迭代算法,序贯最小优化算法是一种特殊的分解算法,将工作集的样本个数固定为两个,带来的......
针对支持向量机对训练样本中的噪声和孤立点特别敏感的问题,提出一种基于边界向量提取的模糊支持向量机方法.在特征空间中寻找能够......
针对典型的支持向量机增量学习算法对有用信息的丢失和现有支持向量机增量学习算法单纯追求分类器精准性的客观性,将三支决策损失......
支持向量机（SVM）算法在训练集的规模很大特别是支持向量很多时，支持向量机的学习过程需要占用大量的内存，算法的速度较慢。为此，笔者提......
针对支持向量机处理大数据量时存在的训练时间、内存空间消耗过大的问题,首先提出了一种压缩K-近邻边界向量的支持向量预抽取算法(......
支持向量机学习算法的本质是从训练集中寻找支持向量，因此能否通过训练算法能快速找出支持向量是衡量支持向量机算法优劣的重要标准......
针对支持向量机增量算法中边界样本的提取机制效率不高的问题,提出基于云模型的增量SVM入侵检测方法。该算法利用云模型稳定性和不......
当支持向量机中存在相互混叠的海量训练样本时,不但支持向量求取困难,且支持向量数目巨大,这两个问题已成为限制其应用的瓶颈问题......
利用支持向量机分类器中支持向量分布的几何意义，构造了一种新的与样本分布相关的推广能力预测模型，该模型充分利用了支持向量分布的......
传统支持向量机训练大规模样本时间和空间开销大，使其应用受到了很大限制。为了提高支持向量机的训练速度，根据支持向量机的基本原理......
对骨架算法进行研究,提出一种骨架提取算法。通过对图像内部像素点进行距离变换得到其最近边界点的位置,将内部像素点到最近边界点......
骨架是形状表示的重要特征,传统的骨架算法往往不能直接用于物体识别,且连通性难以保证.用求向量内积的方法对骨架进行提取,通过距......
为提高骨架提取算法的适用性,提出一种新型的骨架提取算法.通过对对象的边界元素按照空间距离顺序标号,求出对象内部像素的边界差,......
提出一种新的基于半监督的SVM-KNN分类方法,当可用的训练样本较少时,使用SVM进行分类,不能得到准确的分类边界,本文采用半监督学习......
支持向量机(Support Vector Machine,SVM)是一种在统计学习理论的基础上求解最优分类超平面的机器学习方法,在解决小样本、非线性......
介绍分析了SVM基础理论和目前多类SVM分类算法及其优缺点,提出了一种边界向量抽取算法,并基于该算法改进了1ar和1a1两种多类SVM算......
随着科学技术的发展和人们生活水平的不断提高,异形纤维在纺织服装产品中的应用越来越广泛。异形纤维的不同截面形状对织物性能的......
经典的支持向量机(SVM)算法在求解最优分类面时需求解一个凸二次规划问题,当训练样本数量很多时,算法的速度较慢,而且一旦有新的样......
一般的支持向量分类机需要求解二次规划问题,最小二乘支持向量机只需求解一个线性方程组,但其缺乏稀疏性.为了改进最小二乘支持向......
在各种支持向量机(SVM)训练算法中,比较突出的训练算法是序贯最小优化(SMO)算法。样本取样SMO算法是在不改变样本分布的前提下对原......
当前面向大样本设计的信用评估模型,大多没有深入探究大样本的分布特征,只是简单地将传统评估方法应用在大样本上.首先提出了用于......
