论文研究基于简易支持向量机的客户流失预测研究.pdf

针对不平衡数据分类问题，提出了基于Smote与核函数修改相结合的算法。首先用Smote方法处理数据，降低不平衡度;然后以黎曼几何为依据，利用保角变换，对核函数进行修改，提高支持向量机的分类泛化能力;最

支持向量机的模型选择问题就是对于一个给定的核函数，调节核参数和惩罚因子C。分析了网格搜索算法和模式搜索算法，通过结合上述两种算法的优点提出了网格模式搜索算法。其核心原理是先用网格算法在全局范围内进行快

为了更有效地提高图像隐写分析的速度和正确检测率，提出了一种基于改进的支持向量机的隐写分析方法。采用Fridrich提出的多特征融合提取算法对图像进行特征提取，克服了单一特征不能很好描述图像差别的不足。

提出一种新型的基于光滑Ramp损失函数的健壮支持向量机，能够有效抑制孤立点对泛化性能的影响，并采用CCCP将它的非凸优化目标函数转换成连续、二次可微的凸优化。在此基础上，给出训练健壮支持向量机的一种N

支持向量机(support vector machine, SVM)具有良好的泛化性能而被广泛应用于机器学习及模式识别领域。然而，当训练集较大时，训练SVM需要极大的时间及空间开销。另一方面，SVM训

对定义在一系列无方向点集上的3D形状模型提出一种新的数字水印方案。首先应用神经网络的方法对点集模型进行学习，根据在学习过程中神经网格法线的变化情况，找到特征点。最后对已加水印的点集模型应用不同的攻击，

论文研究-基于相异度核空间的支持向量机算法.pdf,  提出基于相异度核空间的混合流形学习与支持向量机(SVMs)算法用于解决高维数据分类问题. 该算法使用SVMs对流形学习降维后的低维嵌入做分类.通

基于ε-支持向量回归机的盲均衡算法，王振朋，张立毅，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ε-支持向量回归机的盲均衡算法，并且利

提出了一种基于线性孪生支持向量机（TWSVM）的嵌入式特征选择方法。该方法在构造分类器的过程中，通过在TWSVM原有优化模型中引入一个惩罚项，来实现特征选择。在求解过程中，采用交替迭代优化方法将该模型

基于支持向量机的矿井突水水源识别，孔筱筱，雷萌，本文采用支持向量机对矿井突水水源进行判别。支持向量机（SVM）方法被看做是对传统学习分类方法的一个较好替代，特别是在小样本、