自适应局部图嵌入加权罚支持向量机

提出基于最优分类标准的核学习方法,这个标准类似于线性鉴别分析和核Fisher判别式。并把此算法应用于模糊支持向量机多类分类器设计上,在ORL人脸数据集和Iris数据集上的实验验证了该算法的可行性

自适应加权一类支持向量机的离群值检测

matlab开发-加权支持向量机。基于支持向量机的异常控制趋势模式不平衡分类

论文《特征加权支持向量机》，和大家分享～

多面支持向量机(multiple surface support vector machine,MSSVM)分类方法作为传统支持向量机(support vector machine,SVM)的拓展在模

为了使数据集的内在分布更好地影响训练模型, 提出一种密度加权孪生支持向量回归机算法. 该算法通过?? 近邻算法计算获得每个数据点基于数据密度分布的密度加权值, 并将密度加权值引入到标准孪生支持向量回归

自适应迭代最小二乘支持向量机回归算法,对写高水平的论文有非常好的帮助

针对传统支持向量机不能较好地利用数据空间局部信息的问题, 提出一种基于局部学习的支持向量机. 通过同时最小化局部内散度和最大化局部间散度信息来寻求一个最优的分类决策函数. 为了更好地反映数据的局部几何

自适应加权最小二乘支持向量机的短时交通流量预测，赵超，戴坤成，针对交通流量数据中可能包含异常数据点以及异常数据点对模型的影响，本文提出一种基于自适应加权最小二乘支持向量机(AWLS-SVM)的短��

动态加权最小二乘支持向量机的原理、算法、应用