最优超平面相关论文
对神经网络内部行为的研究一直是神经网络研究领域的一大课题,特别是对应用广泛的多层感知器的研究价值尤为突出。研究结果对深入......
在监督学习任务中，训练集通常是由随机选择的无类标样例经由专家标注得到的。而标注样例的这个过程通常代价很大，利用主动学习方法选......
在统计学基础上提出的机器学习方法SVM (Support Vector Machine)在训练学习机器时,其学习方式是SRM (Structural Risk Minimizati......
支持向量机(support vector machine,简称SVM)是近年来在国外发展起来的一种新型机器学习技术,由于其出色的学习性能,该技术已成为......
讨论了现有的用于分类的支持向量机(SVM)所确定的边界在抗干扰方面的局限性.在此基础之上提出了一种新型支持向量机,即基于边界调......
支持向量机(SVM)是解决小样本学习问题的有力工具,其关键是如何得到判别样本类别的最优超平面.受约束条件的限制,最优超平面的求解......
提出一种多维支持向量机（MSVM）训练方法,并建立了一种基于多维支持向量机的P2P网络流量识别模型。理论分析与数值实验表明,该模型具......
为了解决在合作或非合作的通信应用领域中（如软件无线电，电子侦察系统等）多种调制信号之间的切换问题，提出1种基于多类别支持向量机（SVM......
支持向量机是基于统计学习理论的一种新型的机器学习方法,该方法以其优秀的性能获得了越来越广泛的应用.作为对支持向量机的综述介......
介绍了网络故障诊断的发展趋势和支持向量机的基本原理，采用一种改进的支持向量机用于网络故障的在线诊断和分析，并且以实验网中采集......
提出一种多维支持向量机（MSVM）训练方法,并建立了一种基于多维支持向量机的P2P网络流量识别模型。该模型利用多维支持向量机作为分类......
支持向量机是建立在统计学习理论基础上的一种小样本机器学习方法,用于解决二分类问题。本文阐述了支持向量机的理论基础并对核函......
研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收......
为了改进现有支持向量机所确定的边界抗干扰能力差、对噪声数据敏感等问题，减少野点数据对形成支持向量机边界存在的影响，根据各个样......
提出了基于支持向量机(Support Vector Machine,SVM)的遥感影像分类方法,结合空间特征等信息,对IKONOS高空间分辨率影像进行分类,......
随着互联网的发展,人们对于网站检索的需求日益增大。将网站进行分类可以极大地提升检索效率,研究中文网站的自动分类技术具有较高......
在投资领域,最为重要的就是研究在控制一定风险的情况下,如何进行买入与卖出。通常,我们无法知道下一笔交易是盈利还是亏损,但是通......
生态公益林是指为人类生存、生活和社会经济持续稳定发展,创造优良生态环境为目的的森林。对生态公益林进行监测管理的实现是生态......
