已閱讀1頁，還剩58頁未讀， 繼續(xù)免費閱讀
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)，請進行舉報或認領(lǐng)
文檔簡介
1、支持向量機是基于統(tǒng)計學習理論的一種新的數(shù)據(jù)挖掘技術(shù)，它借助于最優(yōu)化方法來解決復雜的機器學習問題，并且有著良好的理論基礎(chǔ)的支持。結(jié)合本文研究內(nèi)容，首先探討了支持向量機的數(shù)學基礎(chǔ)理論，從分類問題展開，分析了線性可分問題，近似線性可分問題，以及線性不可分問題的支持向量機算法理論，并且在此基礎(chǔ)上深入的研究了支持向量機的算法。 本文的主要工作如下： 1、深入研究了SVM中用于訓練大規(guī)模樣本問題的SMO算法，對影響SVM算法性能的參
2、數(shù)取值問題，分析比較了網(wǎng)格搜索方法的優(yōu)點，并結(jié)合WisconsinBreast Cancer數(shù)據(jù)庫，得出SVM應(yīng)用于大規(guī)模樣本和參數(shù)選取的較優(yōu)方法。 2、提出帶進化信息的滑動窗口法，選擇了RS126數(shù)據(jù)集并采用滑動窗口方法對數(shù)據(jù)集中的數(shù)據(jù)進行向量化，確定支持向量機的輸入向量和對向量歸一化，再利用網(wǎng)格搜索法得到針對該問題的優(yōu)化參數(shù)，得到支持向量機對蛋白質(zhì)二級結(jié)構(gòu)預測問題有69.5061％的分類精度，最后通過和其他算法在該問題上的分
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機的蛋白質(zhì)結(jié)構(gòu)和功能預測研究.pdf
- 基于支持向量機的蛋白質(zhì)二級結(jié)構(gòu)預測新算法及其在血管蛋白質(zhì)研究中的初步應(yīng)用.pdf
- 基于支持向量機的蛋白質(zhì)功能預測研究.pdf
- 基于支持向量機的蛋白質(zhì)二級結(jié)構(gòu)預測.pdf
- 基于支持向量機的蛋白質(zhì)相互作用預測的研究.pdf
- 基于支持向量機的蛋白質(zhì)分類研究.pdf
- 基于支持向量機的蛋白質(zhì)功能預測新方法研究.pdf
- 機器學習在蛋白質(zhì)結(jié)構(gòu)和功能預測中的應(yīng)用研究.pdf
- 3430.基于模糊支持向量機的蛋白質(zhì)二級結(jié)構(gòu)智能預測
- 支持向量機在基坑變形預測中的應(yīng)用研究.pdf
- 并行蟻群優(yōu)化在蛋白質(zhì)結(jié)構(gòu)預測中的應(yīng)用研究.pdf
- 使用支持向量機方法的蛋白質(zhì)分類研究.pdf
- 改進支持向量機在大壩變形預測中的應(yīng)用研究.pdf
- 支持向量機在短期電力負荷預測中的應(yīng)用研究.pdf
- 灰色支持向量機在小樣本預測中的應(yīng)用研究.pdf
- 支持向量機在沖擊地壓預測模型中的應(yīng)用研究.pdf
- 基于支持向量機血清蛋白質(zhì)指紋圖譜模型在甲狀腺癌診斷中應(yīng)用研究.pdf
- 基于支持向量機的蛋白質(zhì)相互作用研究.pdf
- 支持向量機在股票預測中的應(yīng)用
- 神經(jīng)網(wǎng)絡(luò)在蛋白質(zhì)二級結(jié)構(gòu)預測中的應(yīng)用研究.pdf
評論
0/150
提交評論