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
论文研究-改进的渐进直推式支持向量机算法.pdf, 针对半监督学习中渐进直推支持向量机(Progressive Transductive Support Vector Machines, PTSVM
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
针对害虫发生数据高度非线性特点导致传统方法预测准确率低的难题,提出一种基于支持向量机(SVM)的多变量自回归(CAR)的害虫时间预测方法(SVM_CAR)。SVM_CAR首先利用SVM以留一法的MSE
针对支持向量机分类器的行人检测方法采用欠采样方法,存在正负行人比例不平衡造成的准确率不高问题,结合欠采样和EasyEnsemble方法,提出一种聚合支持向量机(Ensemble SVM)分类器的行人检
基于支持向量机的递归特征消除(SVM-RFE)是目前最主流的基因选择方法之一,是为二分类问题设计的,对于多分类问题必须要进行扩展。从帕累托最优(ParetoOptimum)的概念出发,阐明了常用的基因
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、
支持向量机(Support Vector Machine,SVM)是一种有效的分类方法,其学习本质是通过对偶问题求解原问题,但是它不能直接获得特征重要性。提出一种新的特征选取算法,实验表明,该特征选取
为了提高虚拟人切片数据分割的自动化程度,提出了基于支持向量机的虚拟人切片数据分割方法。给出了分割策略、分割步骤,并讨论了切片数据分割中的支持向量机核及相关参数的选择。实验证明,利用虚拟人切片数据的空间