学习ERP的基础知识
支持向量机(SVM)以其坚实的理论基础,和在机器学习领域表现出的良好推广性能,获得了越来越广泛的关注。为更好地推进其发展,科研工作者们借鉴统计学中经典的贝叶斯理论,做了大量工作,例如:引进贝叶斯理论中
针对传统支持向量机中存在原始数据量过大导致训练速度太慢的问题,同时考虑到非支持向量对支持向量机的训练性能无影响,且影响支持向量机性能的支持向量往往位于边界的特点,提出一种提取边界向量的支持向量机算法.
TheNatureofStatisticalLearningTheory(中英2本Vapnik,V.N的.《统计学习理论的本质》)
基于Cache的渐进直推式支持向量机学习算法,吴鹏,田伟,支持向量机(supportvectormachine)是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维
在星敏感器导航星表的建立过程中由于恒星的数量太多,往往要进行筛选,通常这种选择是一种基于枚举的大量反复的提取过程,复杂费时而结果往往并不是最优的。而基于统计学习理论(SLT)的支持向量机(SVM)方法
人工智能 / 机器学习 -- 支持向量机的SMO算法! aa
支持向量机的算法研究及其发展 赛燕燕 中国海洋大学信息科学与工程学院电子系青岛264005 摘要:支持向量机是在统计学习理论基础上发展起来的一种新的机器学习方法同时也是到目 前为止统计学习理论最成功的
很不错的资料关于支持向量机算法方面的论文很有参考的价值
关于支持向量机多类分类问题的模型和算法的研究是当今研究的热点之一.无论是最近提出 的“一对一对余”结构的算法,还是通常用的。一对一”结构的算法,对于K类分类问题,都需 要解决K(Kq)/2个二次规划问
