论文研究一种改进的SVM多分类算法及其在数字手写识别上的应用 .pdf

一种新颖的数字识别算法，与传统的数字识别算法而言，要率提高很多

指出了现有方法的不足，提出一种新的Vague集相似度量方法，并证明了它满足若干准则。通过实例说明了方法的有效性和优越性。

提出了一种改进的支持向量机SVM(SupportVectorMachine)的相关反馈图像检索方法。在这种方法的交互过程中,SVM分类器不仅对本次反馈过程中用户所提交的标记的正例和反例样本进行学习,还

一种非线性数字水印的改进方法，徐小龙，袁莉莉，主要研究了一种非线性数字水印的改进算法。首先利用差错码控制对数字水印信息进行编码，然后将水印信息调制为二进制脉冲幅值调制

提出了一种基于核的模糊多球分类算法,该算法在训练阶段为每一个模式类构造多个最小球覆盖其所有的训练样本,并且在识别阶段算法利用一个模糊隶属函数来归类测试样本。此外,在提出的分类算法的基础上,还给出了它的

时间序列聚类分析是数据挖掘研究的一个重要内容。已有的聚类算法大多采用k均值对低维数据进行聚类，不能对高维多变量时间序列（MTS）数据进行有效聚类。提出一种高效的多变量时间序列聚类算法PCA-CLUST

为提高数据分类的性能，提出了一种基于信息熵[1]的多分类器动态组合方法（EMDA）。此方法在多个UCI标准数据集上进行了测试，并与由集成学习算法—AdaBoost，训练出的各个基分类器的分类效果进行比

提出了一种用支持向量机（SVM）权重向量解决高维对象分类的方法，并结合云理论建立了基于SVM权重向量的云分类器。采用云模型建立训练集的各属性模型，分类模型由属性模型集成得到，属性权重根据SVM权重向量

一种改进的区分矩阵属性约简算法及应用，高锦标，刘邦桂，通过对传统的基于区分矩阵的属性约简算法进行分析后，针对区分矩阵中“重复”元素过多，同时这些“重复”元素非但在求解属性约简

文本分类中特征空间的高维问题是文本分类的主要障碍之一。特征选择（FeatureSelection）是一种有效的特征降维方法。现有的特征选择函数主要有文档频率（DF），信息增益（IG），互信息（MI）等