搜索结果:找到“支持向量机”相关结果34571条
排序: 按相关 按相关 按时间降序
  • 【期刊】 支持向量机

    刊名:计算机科学 作者:张浩然 ; 韩正之 ; 李昌刚 关键词:Support vector machine ; Neural networks ; Statistical learning theory ; Machine learning 机构:上海交通大学自动化系 ; 上海交通大学自动化系 ; 上海交通大学自动化系 ; 上海交通大学自动化系 年份:2002
    摘要: 1 前言基于数据的机器学习是人工智能技术中的重要方面,从观测数据(样本)出发寻找数据中的模式和数据间的函数依赖规律,利用这些模式和函数依赖对未来数据或无法观测的数据进行分类、识别和预测。关于其实现方法大致可以分为三种,第一种是经典的(参数)统计估计方法,在这种方法中,参数的相关形式是已知的,训练样本用来估计参数的值。这种方法有很大的局限性,首先,它需要已知样本分布形式,其次传统统计学研究的是样本数目趋于无穷大时的渐近理论,现有学习方法也多是基于此假设,但在实际问题中,样本数往往是有限的,因此一些理论上很优秀的学习方法实际中表现却可
  • 【期刊】 同伦支持向量机  

    刊名:《计算机科学》 作者:姜进超 ; 张瑞 关键词:支持向量机 ; 同伦正则化 ; 高斯核 机构:山东理工大学理学院 ; 山东理工大学理学院 年份:2016
    摘要:支持向量机(SVM)作为一种新颖的人工智能技术,已越来越广泛地运用于各个学科领域。同伦正则化方法也是近几年新兴的一种正则化方法,在数理方程反问题中得到了广泛的应用。将同伦正则化的思想应用到支持向量机中,建立了一种新的支持向量机模型,并对最常用的核函数——高斯核进行了修改。与传统的正则化方法相比,新模型最大的优点就是正则化参数的取值范围由无限区间变成了有限区间(0,1),从而大大缩短了正则化参数的优化时间。
  • 【期刊】 同伦支持向量机

    刊名:计算机科学 作者:姜进超 ; 张瑞 关键词:支持向量机 ; 同伦正则化 ; 高斯核 机构:山东理工大学理学院 ; 山东理工大学理学院 年份:2016
    摘要:支持向量机(SVM)作为一种新颖的人工智能技术,已越来越广泛地运用于各个学科领域。同伦正则化方法也是近几年新兴的一种正则化方法,在数理方程反问题中得到了广泛的应用。将同伦正则化的思想应用到支持向量机中,建立了一种新的支持向量机模型,并对最常用的核函数——高斯核进行了修改。与传统的正则化方法相比,新模型最大的优点就是正则化参数的取值范围由无限区间变成了有限区间(0,1),从而大大缩短了正则化参数的优化时间。
  • 【期刊】 并行支持向量机

    刊名:计算机光盘软件与应用 作者:李丽萍 关键词:支持向量机 ; 并行实现 ; Hadoop ; Map/Reduce 机构:北京邮电大学计算机学院 ; 北京邮电大学计算机学院 年份:2013
    摘要:支持向量机算法是一种基于结构风险最小化原则上,尽量提高学习机的泛化能力,在处理小样本、非线性及高维模式识别问题有许多优势,但在解决大规模数据时,训练速度会变得缓慢,影响训练的效果。所以,本文在原有支持向量机实现方式上,利用类似级联方式,增加算法处理的数据规模,并且基于云计算平台,利用Map/Reduce机制实现算法过程,加快算法的训练速度。
  • 【期刊】 孪生支持向量机综述

    刊名:计算机科学 作者:安悦瑄 ; 丁世飞 ; 胡继普 关键词:支持向量机 ; 孪生支持向量机 ; 优化问题 ; 最小二乘孪生支持向量机 ; 多分类 机构:中国矿业大学计算机科学与技术学院 ; 中国矿业大学计算机科学与技术学院 ; 中国科学院计算技术研究所智能信息处理重点实验室 年份:2018
    摘要:孪生支持向量机(Twin Support Vector Machine,TWSVM)是在支持向量机(Support Vector Machine,SVM)的基础上发展而来的一种新的机器学习方法。作为一种二分类的分类器,其基本思想为寻找两个超平面,使得每一个分类面靠近本类样本点而远离另一类样本点。作为一种新兴的机器学习方法,孪生支持向量机自提出以来便引起了国内外学者的广泛关注,已经成为机器学习领域的研究热点。对孪生支持向量机的最新研究进展进行综述,首先介绍了孪生支持向量机的基本概念与基本模型;然后对近几年来新型的孪生支持向量机模型与研究进展进行了总结,并对其代表算法进行了优缺点分析和实验比较;最后对将来的研究工作进行了展望。
  • 【期刊】 安全迁移支持向量机

    刊名:计算机科学 作者:周国华 ; 巢海鲸 ; 申燕萍 关键词:支持向量机 ; 迁移学习 ; 分类 机构:常州轻工职业技术学院信息工程系 ; 常州轻工职业技术学院信息工程系 年份:2017
    摘要:迁移学习方法是一种新的机器学习框架,它将源领域数据通过学习迁移到相似的目标领域中,减弱了对已标记数据的依赖。但迁移学习方法中一个重大问题是使用目标领域数据与源领域数据得到的分类器很可能比仅利用目标领域数据得到的分类器的效果更差,从而造成一种"负迁移"现象。针对此问题,提出一种基于目标领域已标记数据知识的安全控制机制,并通过结合近年出现的一种迁移学习分类器(TL-SVM)提出了一种安全迁移支持向量机(SATL-SVM),从理论上解决了TL-SVM的负迁移问题,在人工数据集和真实数据集上的实验结果表明了所提方法的有效性。
  • 【期刊】 支持向量机理论浅谈

    刊名:电脑迷 作者:孙璐 关键词:支持向量机 ; SVM ; 机器学习 机构:徐州生物工程职业技术学院 ; 徐州生物工程职业技术学院 年份:2018
    摘要:支持向量机(SVM),以统计学习理论的为理论基础,是一种建立在VC维理论和SRM原则基础上的机器学习算法。由于支持向量机具有优秀的学习能力和良好的推广能力,目前已成功应用到很多领域,成为国际机器学习的研究热点。本文探讨了支持向量机的基本思想及其算法。
  • 【期刊】 支持向量机的研究

    刊名:长春大学学报 作者:任丽晔 ; 王静 ; 关秀丽 关键词:支持向量机 ; 核函数 ; 模式识别 机构:长春大学电子信息工程学院 ; 长春大学电子信息工程学院 ; 吉林工业职业技术学院商学院 年份:2013
    摘要:支持向量机可以引入特征变换将原空间的非线性问题转化为新空间的线性问题。本文在论述支持向量机模型创建的基础上,着重对核函数的选取及参数的确定进行了研究,通过实验数据表明,文中创建的组合核函数,在人体下肢动作模式识别中,有较高的识别率。
  • 【期刊】 支持向量机分类与回归

    刊名:科教导刊(电子版) 作者:宋晓晶[1] ; 封丹丹[1] 关键词:支持向量机 ; 统计学习理论 ; 分类 ; 回归 机构:长安大学理学院 ; 长安大学理学院 年份:2017
    摘要:支持向量机(support vector machine,SVM)是一种基于统计学习理论的新型的机器学习方法,由于出色的学习性能,已经成为当前机器学习界的研究热点。本文系统地介绍了支持向量机分类和回归的理论基础,运用统计软件对分类和回归进行数值模拟实验并分析结果。
  • 【期刊】 未确知支持向量机

    刊名:自动化学报 作者:杨志民 ; 邵元海 ; 梁静 关键词:机器学习 ; 未确知支持向量机 ; 未确知信息 ; 未确知数 机构:浙江工业大学之江学院 ; 浙江工业大学之江学院 ; 陕西煤业化工集团黄陵矿业有限公司 年份:2013
    摘要:提出一种处理样本中含有未确知信息(一种不确定性信息)的支持向量机—未确知支持向量机(Unascertained support vector machine,USVM)算法.首先,以未确知数学为基础,将含有未确知信息的分类问题转化为求解未确知机会约束规划问题.然后,将其转化为与其等价的二次规划.据此给出未确知支持向量机.理论分析和试验结果均表明,该算法是有效、可行的.
  • 【期刊】 支持向量机理论及应用

    刊名:科学技术创新 作者:马旭霞 关键词:支持向量机 ; SVM理论 ; SVM应用 机构:河北省第一测绘院 ; 河北省第一测绘院 年份:2019
    摘要:支持向量机(Support Vector Machine,SVM)是一种新型机器学习方法,是一种建立在统计学基础上的分类器。首先简述了统计学习理论的主要内容,然后介绍并分析了支持向量机的工作原理、经典算法以及基本思想,归纳了支持向量机在化工生产、人脸识别、石油期货价格预测、高光谱反演、水资源质量分类评价等方面的应用。
  • 【期刊】 支持向量机理论与应用

    刊名:科技视界 作者:刘铭 ; 吴朝霞 关键词:支持向量机 ; 统计学习理论 ; 应用 机构:安阳工学院计算机科学与信息工程学院 ; 安阳工学院计算机科学与信息工程学院 年份:2018
    摘要:支持向量机(support vector machine, SVM)是基于统计学理论的一种典型的机器学习方法,具有坚实的理论基础,较强的推广能力,在解决小样本、非线性、高维度的问题上SVM表现出较好的学习性能。随着研究的深入, SVM被广泛应用于各个领域,本文介绍了统计学和支持向量机的基本理论,支持向量机的相关应用研究及未来研究方向和发展前景。