非线性动力学系统的神经网络内模控制研究
SVM是基于统计学习理论的结构风险最小化原则的,它将最大分界面分类器思想和基于核的方法结合在一起,表现出了很好的泛化能力。并对目前的三种主流算法SVMlight,Bsvm与SvmFu在人脸检测、MNI
支持向量机推广性能的分析是机器学习中的一项重要内容。依据可通过最小化本性支持向量个数来构造支持向量机的思路,结合稀疏学习,从贪婪方法的角度出发,提出了一种新的支持向量机,称之为贪婪支持向量机。利用UC
研究和选择碳循环的影响因素是预测碳通量的重要环节,也是研究碳循环机理的重要步骤。然而从众多的影响因素中选择重要的因素,依然存在着困难。提出利用相关分析、遗传算法和神经网络进行碳通量预测的主要因素选择的
论文研究-多属性决策的支持向量机方法.pdf,
半监督支持向量机回归模型研究,冀杰,程玉虎,利用支持向量机和K近邻学习器的优点,提出一种半监督支持向量机回归模型。支持向量机通过选择高置信度的未标记样本加以标记,并��
近年来,支持向量机(SVM)方法在电力系统负荷预测领域的应用研究成为了热点,鉴于传统的标准支持向量机方法在预测时间和预测精度方面的不足,首次将多重核支持向量回归方法(Multiple Kernel L
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
论文研究-基于多任务支持向量机的健康数据融合方法.pdf,
针对电子健康服务管理中的多源数据融合难题,利用人工智能技术,
尽管经典分类方法支持向量机SVM在各领域广泛应用,但其在分类决策时仅关注类间间隔而忽视类内分布,因而分类能力有限。鉴于此,Zafeiriou等人提出最小类方差支持向量机MCVSVM,该方法建立在支持向