分析了支持向量的性质和增量学习过程,提出了一种新的增量学习算法,舍弃了对最终分类无用的样本,在保证测试精度的同时减少了训练时间。最后的数值实验和应用实例说明该算法是可行、有效的。
研究和选择碳循环的影响因素是预测碳通量的重要环节,也是研究碳循环机理的重要步骤。然而从众多的影响因素中选择重要的因素,依然存在着困难。提出利用相关分析、遗传算法和神经网络进行碳通量预测的主要因素选择的
论文研究-多属性决策的支持向量机方法.pdf,
基于增量学习的支持向量机集成,孔筱筱,汪敏,为提高支持向量机的泛化能力,提出一种基于增量学习的支持向量机集成方法。该方法利用支持向量集和初始训练样本的等价关系,把支
针对现有流量分类方法存在的准确率低、应用范围受限、计算复杂度高等问题,提出使用支持向量机方法来解决流量分类问题。使用公开的人工标注数据集作为训练集和测试集,通过有监督学习构建支持向量机流量分类器。此外
通过对几种典型聚类算法的分析和比较,提出了一种新的聚类算法,基于扩展约束的半监督谱聚类算法,简称CE-SSC。这种算法扩展了已知约束集,通过密度敏感距离改变样本点的相似关系,结合半监督谱聚类进行聚类。
基于最小二乘支持向量回归机的盲均衡算法,王振朋,韩应征,支持向量机是解决有限样本学习的有效工具,由于其具有优良的泛化性能,本文提出了一种基于最小二乘支持向量回归机的盲均衡算法,
研究了遗传算法在回归型支持向量机参数选择中的应用:首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象；在此基础上提出利用遗传算法来解决回归型支
摘要?在核函数基础上,提出了一种融合支持向量机和核主元分析的核≅Α>支持向童机综合集成分类方法,给出了算法实现步骤。仿真实验表明了该算法具有很好的分类性能,特别适合于消除噪声情形的模式识别问题。
论文研究-基于支持向量机与概率输出网的深度学习模型.pdf,
本文提出了基于支持向量机与概率输出网络的深度学习回归模型.
