论文研究 改进的不均衡样本集支持向量机预处理方法.pdf

在星敏感器导航星表的建立过程中由于恒星的数量太多,往往要进行筛选,通常这种选择是一种基于枚举的大量反复的提取过程,复杂费时而结果往往并不是最优的。而基于统计学习理论(SLT)的支持向量机(SVM)方法

支持向量机（SVM）是在统计学习理论基础上发展而来的一种新的通用学习方法，较好地解决了有限样本的学习分类问题。用支持向量机的分类算法，选取不同的核函数，构造了支持向量机的不同分类器，并将其应用于冠心病

提出了利用Cascade组合方法生成基于贝叶斯、神经网络与决策树的组合分类器，并将之应用到肝脏图像的分类中。实验结果表明，与现有医学图像分类方法相比，该组合方法可以有效地提高医学图像分类的准确性和稳定

基于支持向量机的植物叶分类识别研究,刘春爽,周平,该研究持有初次分类与再次分类的思想,先使用叶图像的形状特征与纹理特征进行植物种类的初次分类;再使用该研究提出的叶脉特征,

支持向量机相关的论文-->希望对你有帮助...

介绍支持向量机和支持向量回归的用法 简单易懂 以支持向量机理论为基础，对分类与回归的基本方法及其应用进行了系统的研究。全文共分七章，第四章对支持向量机回归模型进行了一些扩展研究,具体内容分四部

支持向量机在杂草分类中的应用，朱伟兴，朱哓芳，本文利用计算机图像处理技术和支持向量机识别方法研究了杂草的分类。首先对采集到的杂草叶片彩色图像进行预处理和分割，提取各类

论文研究-基于支持向量机的客户流失预测模型.pdf,

基于类中心设计隶属度函数的模糊支持向量机能有效地解决支持向量机对噪声或孤立点敏感度高的问题，但是，由于它对支持向量赋予较小的隶属度，从而降低了其分类作用。基于此，提出一种新的隶属度函数设计方法；同时，

支持向量机在步态分类中的应用，张云，，由Vapnik及其合作者提出的支持向量机(SupportVectorMachine,SVM)是一种新型机器学习方法，因其出色的学习能力，已成为当前国际机器学习界�