已閱讀1頁，還剩39頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、支持向量機(jī)是Vapnik等人提出的一類新型機(jī)器學(xué)習(xí)方法，它是基于統(tǒng)計(jì)學(xué)習(xí)理論，借助最優(yōu)化方法來解決機(jī)器學(xué)習(xí)問題的新工具，支持向量機(jī)目前還存在許多局限性，研究有待進(jìn)一步探索和完善。本文以統(tǒng)計(jì)學(xué)習(xí)理論（Statistic Learning Theory-SLT）和支持向量機(jī)（Support Vector Machine-SVM）為基礎(chǔ)，開展了以下研究工作：
首先，對(duì)統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)分類器進(jìn)行了全面的總結(jié)和概括。
2、 其次，總結(jié)了現(xiàn)有的幾種有代表性的多類支持向量機(jī)方法，這些方法包括：一對(duì)多（one-against-all）、一對(duì)一（one-against-one）、有向無環(huán)圖支持向量機(jī)（DAG-SVMs）、決策樹分類和全局優(yōu)化分類（MSVM）；還介紹了兩種模糊多類支持向量機(jī)方法。
第三，總結(jié)了適合于求解大型問題的訓(xùn)練算法：選塊算法（Chuncking），分解算法（Decomposing）和序列最小最優(yōu)化算法（Sequential
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的多分類方法研究.pdf
- 支持向量機(jī)多類分類方法的研究.pdf
- 基于支持向量機(jī)的圖像分類方法研究.pdf
- 支持向量機(jī)多分類方法的研究及應(yīng)用.pdf
- 單分類支持向量機(jī)的學(xué)習(xí)方法研究.pdf
- 基于多分類支持向量機(jī)的快速入侵檢測(cè)模型.pdf
- 基于幾何算法的支持向量機(jī)分類方法.pdf
- 基于支持向量機(jī)的農(nóng)業(yè)數(shù)據(jù)分類方法研究.pdf
- 基于支持向量機(jī)的布匹瑕疵分類方法研究.pdf
- 基于智能優(yōu)化的支持向量機(jī)分類方法研究.pdf
- 支持向量機(jī)分類算法的研究.pdf
- 基于雙標(biāo)簽支持向量機(jī)的快速多標(biāo)簽分類算法.pdf
- 基于支持向量機(jī)的網(wǎng)絡(luò)漏洞分類方法的研究.pdf
- 基于半監(jiān)督的支持向量機(jī)網(wǎng)頁分類方法.pdf
- 基于支持向量機(jī)的多類網(wǎng)頁分類方法.pdf
- 38155.支持向量機(jī)分類與回歸方法研究
- 使用支持向量機(jī)方法的蛋白質(zhì)分類研究.pdf
- 基于支持向量機(jī)的多分類方法研究及應(yīng)用.pdf
- 支持向量機(jī)的快速優(yōu)化算法.pdf
- 基于云模型的模糊支持向量機(jī)分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論