论文研究模糊支持向量机及其在文本分类中的应用 .pdf

自动编码机作为一种新兴的深层神经网络学习算法，在高维数据的降维和图像重构中取得了很好的效果。针对该方法在文本分类中重构出大量的对学习没有帮助的含噪数据，提出一种利用原型数据监督学习的改进模型，称做深层

基于噪声抑制的Fisher向量在图像分类中的应用，李萌，黄雅平，基于Fisher向量的图像全局特征表达可以看作是词袋模型（Bag-of-visual-words）的扩展，二者都是基于图像的一种中间表示

针对大样本支持向量机内存开销大、训练速度慢的缺点，提出了一种改进的支持向量机算法。算法先利用KNN方法找出可能支持向量，然后利用SVM在可能支持向量集上训练得到分类器。实验表明改进算法训练速度提高明显

针对目前自然语言处理研究中，使用卷积神经网络（CNN）进行短文本分类任务时可以结合不同神经网络结构与分类算法以提高分类性能的问题，提出了一种结合卷积神经网络与极速学习机的CNN-ELM混合短文本分类模

贝叶斯框架下支持向量机在入侵检测中的应用，康松林，周玖玖，为了设计出具有良好学习能力和推广能力的支持向量机入侵检测分类器，针对入侵检测支持向量机的参数选择问题，将贝叶斯框架引入支

采用提升小波方法构造出一种满足双正交的小波函数，并将这种小波函数作为支持向量机的核函数;此外，用线性规划问题来代替二次规划问题及稀疏正则化，本质上确保了解的稀疏性。基于提升小波构造出提升小波支持向量机

研究并实现了利用Gabor滤波器对指纹图像增强的算法。改进了指纹图像方向图和纹线频率的提取方法，同时也对Gabor滤波器的快速实现方法进行研究，首先把Gabor滤波器分解为多个不同方向上有着不同参数的

提出了一种应用于基因分类的模糊最小二乘支持向量机方法,通过设置模糊隶属度改变分类中样本的贡献属性。该方法不仅考虑了样本与类中心点的距离关系,还充分考虑样本与样本之间的关系,减弱噪声或野值样本对分类的影

双支持向量机是一种新的非平行二分类算法，其处理速度比传统支持向量机快很多，但是双支持向量机在训练之前要进行大量的复杂逆矩阵计算；在非线性情况下，它不能像传统支持向量机那样把核技巧直接运用到对偶优化问题

采用一种无须分词的中文文本分类方法，以二元汉字串表示文本特征，与需要利用词典分词的分类模型相比，避免了分词的复杂计算；为提高以bigram项表示文本特征的分类算法的准确率，提出了基于类别特征向量表示