支持向量相关论文
随着机器学习算法的不断丰富与优化,数据挖掘技术的不断成熟与发展,人工智能方法已经渗透到了多个交叉领域学科,计算材料学就是其......
随着信息技术的高速发展以及大数据时代的来临,数据的不断增长和积累使得各个领域都面临着处理海量数据的压力,如何快速有效的从大......
针对当前多变量时间序列分类方法未考虑降维处理多变量时间序列,导致多变量时间序列分类精度较低,分类时间较长的问题,提出了基于......
支持向量机(SVM)是一种新的很有效的模式识别方法,将其应用到雷达信号识别中可以较好地解决此类问题。由于传统的支持向量机由两类......
跨座式单轨交通的引入大大缓解了重庆市区的交通压力，因其准时、乘坐舒适等原因倍受人们青睐，同时因其轨道一般架设在高空或人口密集......
神经网络(Neural Network,NN)和支持向量机(Support Vector Machine,SVM)是当前机器学习的重要的研究领域,是智能信息处理和机器学......
近年来，数据挖掘引起了信息产业界的极大关注，其主要原因是很多领域中的数据量以极快的速度增长，我们迫切需要将这些数据转换成有用的......
本文从支持向量机经验风险的利用、支持向量的合并约简以及训练样本的精简三方面进行论述。利用经验风险以提高分类器的泛化能力，对......
数据挖掘是信息技术自然演化的结果,它是指从大量数据中挖掘出来隐含的未知的、有价值的模式或规律等知识的复杂过程。在这过程中,......
语音情感识别是情感识别的一个重要分支,它利用计算机及其辅助设备提取说话人的情感特征,分析说话人的情感状态及其变化,进而确定......
为了更好地提高舰船监控通信软件的可靠性和自动化程度,提出最小二乘支持向量机的舰船监控通信软件设计方法.通过对舰船监控模块功......
聚类算法是一种无监督的算法,它在没有教师信号的情况下对数据进行分类。支持向量聚类算法的优势是:对于任意形状和数目的数据集理......
蛋白质-蛋白质之间相互作用在细胞功能的各个方面如新陈代谢和信号传导中起着至关重要的作用。对蛋白质相互作用的分子机制的研究......
短期负荷预测是电力系统安全经济运行的前提，随着电力系统的市场化，高质量的负荷预测显得越来越重要和迫切。支持向量机是一类新型的......
目前针对混凝土梁桥结构抗弯可靠度的荷载效应多采用显式功能函数来计算,当采用空间梁格法求解包含次内力的荷载效应时,样本数据离......
随着电子技术的发展，作为电子技术核心部分的集成电路也在向着高复杂度、高集成度、小尺寸的方向发展。模拟电路在电子系统中占有绝......
支持向量机(support vector machine,简称SVM)是一种基于结构风险最小化原理的分类技术,也是一种新的具有很好泛化性能的回归方法.......
随着中国资本市场的日益发展,上市公司的数量不断增加,其在整个企业和社会经济中的地位越来越重要。上市公司经营的好坏将直接影响......
支持向量分类器的两种分类模型是超平面和超球体,前者在有重叠类别的数据集上表现不佳,后者存在过适应问题.为此,本文提出了双效分......
SVM(support vector machines)是一种基于结构风险最小化原理的分类技术.给出实现结构风险最小化原理(最大边缘)的另一种方法.对线......
随着现实生活中数据集规模的不断增大,设计有效的分类算法势在必行。支持向量机(Support vector machine,SVM)是一种公认的性能较......
文章按学科分类系统阐述数据挖掘技术在烟草生产中的应用。常规统计分析方法是一种成熟的分析方法，在烟草生产中的应用很多；其他一些......
为解决传统支持向量机易出现学习“过拟合”和丢失数据统计特征等问题,通过引入模糊隶属度和总间隔思想,提出一种基于总间隔的最大......
针对基于支持向量机的Web文本分类效率低的问题,提出了一种基于支持向量机Web文本的快速增量分类FVI-SVM算法。算法保留增量训练集......
针对支持向量回归因时空复杂度较高而无法处理大规模数据的问题,提出了一个新颖的增量学习模型——L增量v支持向量回归（L Increment......
文章探讨了一新的稀疏支持向量机模型,该算法在标准支持向量机中增加一个对损失向量的约束用于控制支持向量的数目从而提高稀疏性.......
针对v-支持向量机在样本集规模较大的情况下,需要占用大量训练时间的问题,提出基于粗糙集边界的v-支持向量机混合分类算法。该算法......
本文对基于内容的音频检索提出了一种分级方法,第一级:用HMM对音频事件的统计特性建模;第二级:用SVM结合一些音频事件对特定语义场......
针对当前SVDD算法由于过大的优化规模导致检测计算时间过长的问题，提出了动态SVDD算法。通过分析在进行检测工作时新加入检测对象对......
大规模样本的二次规划问题严重限制了支持向量机应用到大样本问题中.文中从支持向量机的几何意义出发,利用样本分布的先验知识,提......
针对支持向量数据描述（SVDD）训练大规模样本时计算复杂度太大的问题，利用支持向量的稀疏特性，提出了一种基于核密度估计（KDE）的实时SVDD......
提出一种基于自适应支持向量数据描述的固体绝缘开关柜局部放电模式识别方法,通过建立不同放电模式下的分类器,能自主识别不同局部......
针对预测机械设备疲劳裂纹的扩展进程，在分析灰色预测方法和支持向量机各自的优缺点基础上，提出将二者相结合的一种新的预测模型——......
针对江水浊度序列宽频、非线性、非平稳的特点,将经验模态分解（EMD）和支持向量机（SVM）回归方法引入浊度预测领域,建立了基于EMD-SVM的......
本文提出了基于支持向量机(SVM)和k-近邻(k-NN)相结合的一种分类方法,用于解决交集型伪歧义字段.首先将交集型伪歧义字段的歧义切......
支持向量数据描述的分类边界是由分类边界上的支持向量决定的，通过对支持向量的理论研究，提出一种基于距离相似度的支持向量数据描述......
通过分析同类数据点在空间中的几何形态,从数据点集所构成几何形态的凹凸性着手,提出边界提取算法并对高维数据进行分类。针对现实......
支持向量机是以统计学习理论的新型机器学习方法，本文重点介绍了支持向量机的理论基础和应用领域。现已成功应用于模式识别和回归估......
对基于支持向量机的多类分类故障诊断方法进行了研究。采用9频段幅值谱作为分类器的特征输入，比较了现有常用的几种支持向量机多分......
支持向量机（SVM）算法在训练集的规模很大特别是支持向量很多时，支持向量机的学习过程需要占用大量的内存，算法的速度较慢。为此，笔者提......
增量学习方法的思想是仅利用部分相关的样本集参与训练，即能够保留历史样本知识，又能够不断地吸收新的知识，提高机器学习效率和精度，解......
为了能够有效改善人体动作识别过程中传统支持向量机使用一对一识别策略,并且实现识别结果的输出,对大部分动作种类进行忽略,从而......
应用支持向量机和k近邻相结合的方法，建立了太阳质子事件预报模型。预报因子包括黑子面积、磁分型、McIntosh分型、太阳射电流量、......
为了提高中文网页自动分类的分类精度,将SVM-KNN方法用于中文网页分类。提出了一种中文网页的表示方法,在将下载的网页全部表示为......
摘 要：倾斜数据集在实际应用中具有很高的价值，同时也是数据挖掘中的难点和热点，因而得到越来越多的研究者的关注。通过给出的一种改......
阐述了支持向量机的一般简化训练算法,对支持向量机一般简化训练算法中起实质作用的支持向量和对应乘子之间的关系进行了理论分析,......
