工作集选择相关论文
为了提高支持向量机求解大规模问题的训练速度,提出了一种新的工作集选择策略——预备工作集策略:在SMO中,利用可行方向策略提取最......
序列最小化算法（SMO）是支持向量机重要的常用分解方法。而工作集的选择是实现序列最小优化算法的关键。通过重写KKT条件，提出了一种改......
针对传统支持向量数据描述(support vector data description,SVDD)训练中存在的训练速度慢、存储核矩阵需要的空间开销大、计算量......
分解算法是目前大量数据下支持向量机最主要训练方法。各种分解算法的区别在于工作集的大小、产生原则以及子QP问题的求解方法不同......
分布式拒绝服务(DDoS)攻击通过操纵“僵尸网络”,向受害主机发起海量的垃圾请求,使受害主机完全超过工作负荷而无法响应正常用户的......
分析支持向量机的几种常用的训练方法,在这个基础上提出一种改进的支持向量机学习方法。该方法将违反KKT条件程度最厉害的样本提取......
在实际应用中存在着大量包含符号属性和数值属性的混合数据。如何在大规模混合数据中利用机器学习方法获取有价值的新颖知识,一直......
随着信息社会的飞速发展,人们面对的数据量越来越大,如何从海量信息中提取有效的数据,进而为决策服务是亟待解决的问题,因此数据分......
