最小包含球相关论文
目前在世界上每天流通的纸币数量巨大,在金融部门内部纸币整理工作是非常繁重的,如何快速准确的纸币清分在银行业中具有非常重要的......
数据表示在信号处理、图像处理、计算机视觉和模式识别等领域引起了研究者的广泛关注,其中字典学习(Dictionary Learning,DL)算法......
在一定条件下,基于最小累积平方误差(ISE)准则的高斯核密度估计与最小包含球(MEB)等价.在此基础上提出了一种含团状隐私数据保护的......
对于小规模的非静态数据,最近提出的时间自适应支持向量机(TA-SVM)方法表现出良好的性能,它从兼顾局部优化和全局优化的角度同时求......
相同应用领域因不同时间、地点或设备，检测到的数据域可能会出现不完全一致的现象，从而可能导致机器学习效率降低。为有效地进行数据......
传统机器学习均假定测试域和训练域处于同一概率分布,但现实中往往因各种原因引起所采集到的样本数据可能存在扰动或噪音情况,导致......
许多模式分类方法比如支持向量机和L2核分类器等都会利用核方法并转化为二次规划问题进行求解,而计算核矩阵需要O（m2）的空间复杂度,......
许多核分类方法的决策函数可以表示为支持向量的组合,如SVM,而支持向量含有非常重要的隐私信息,因此,在分类决策时可能会暴露此类......
一般的机器学习都假设训练数据与测试数据分布相同,而领域自适应算法则是在不同数据分布条件下进行知识传递和学习,在数据挖掘、数......
现有的同步聚类方法Sync在同步过程中需要将样本中的每一个分量看作相位振子进行计算,具有较高的时间复杂度,因此在大规模数据集上......
提出了一种基于核向量机的人脸识别方法。首先介绍了人脸识别的整个过程,然后着重介绍核向量机的算法以及采用它进行人脸的分类识......
在提高字典鉴别能力的过程中,最大间隔字典学习忽视了利用重新获得的数据构建分类器的泛化性能,不仅与最大间隔原理有关,还与包含......
对训练样本规模为m的标准支持向量机（Support Vector Machine,SVM）进行训练,时间复杂度为O（m3）,空间复杂度为O（m2）。文章研究将其转换成......
传统的机器学习假定训练域与测试域独立同分布，将由训练数据集得到的模型直接应用于测试集。但在实际应用中，这种假设并不一定成立，若......
机器学习技术被广泛应用于计算机视觉,自然语言处理,生物信息学,医疗图像分析,入侵检测等诸多领域。作为一种最主要的机器学习技术......
传统的机器学习问题面向的是单一学习机问题,当前多学习机问题正得到越来越多的关注,但目前尚没有研究从宏观的角度来统一来描述多......
模式识别是人工智能领域的一个重要研究任务，而分类和聚类是模式识别中的两个重要的研究课题。由于客观世界的多样性，不可能找到一种......
模式分类是机器学习的一个重要研究分支。传统模式分类包括监督分类和无监督分类两种方法,其训练数据集要么是带标签数据,要么是无......
随着信息革命的来临，信息技术高速发展，机器学习作为一种知识学习手段被越来越多的应用在社会各个领域。如何从海量纷杂的信息中提取......
聚类问题一直是模式识别领域的热点课题,很多聚类方法纷纷涌现。这些方法大多在适合自身特点的小规模数据集上表现出优良的性能,但......
GRC(Graph-based Relaxed Clustering)是一种具有便捷性和自适应性的谱聚类算法,但对于大数据集,繁重的时间开销限制了其实用性.针......
机器学习是人工智能的重要研究领域之一,而聚类和回归是机器学习中两个重要的研究课题,已广泛应用于自然语言处理、生物特征识别、......
