您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 支持向量机在线训练算法及其应用

  2. 针对支持向量机在线训练算法训练速度较慢和无法处理边缘支持向量集合为空的缺点,以KKT 条件和拉 格朗日乘数法为基础,用严格的数学推导得到一种改进的训练算法. 通过建立一个矩阵缓存来保存与核函数相关的 数据,给出在算法中有效操作该矩阵缓存的方法以加快训练速度;边缘支持向量集合为空时,修改模型的偏值项使 样本进入该集合,训练算法得以继续运行;并讨论了该算法在在线系统辨识中的应用. 仿真实验和分析结果表明: 对 于非线性时变系统,改进算法的建模精度较高,训练速度较原算法有了很大的提高.
  3. 所属分类:其它

  1. 数据挖掘中的新方法:支持向量机.pdf

  2. 支持向量机是数据挖掘中的一个新方法。支持向量机能非常成功地处理回归问题(时间序列分析)和模式识别(分类问题、判别分析)等诸多问题,并可推广于预测和综合评价等领域,因此可应用于理科、工科和管理等多种学科。目前国际上支持向量机在理论研究和实际应用两方面都正处于飞速发展阶段。希望《数据挖掘中的新方法——支持向量机》能促进它在我国的普及与提高。 《数据挖掘中的新方法——支持向量机》对象既包括关心理论的研究工作者,也包括关心应用的实际工作者。对于有关领域的具有高等数学知识的实际工作者,略去书中的某些理论
  3. 所属分类:C

    • 发布日期:2010-03-24
    • 文件大小:7mb
    • 提供者:shiyoumaomao
  1. 支持向量机和遗传算法的人脸识别方法

  2. 支持向量机是一种基于小样本学习的有效工具,作为分类器被认为具有很高的推广性能,无需先验知识。但是参数的选取与支持向量机的识别性能是相关的,核函数参数σ2 和惩罚因子C 对支持向量机识别性能会产生很大的影响。
  3. 所属分类:其它

    • 发布日期:2014-08-25
    • 文件大小:456kb
    • 提供者:qq_20052267
  1. 基于相空间重构和支持向量机的矿井涌水量预测

  2. 针对矿井涌水量典型的非线性特征,应用相空间重构与支持向量机耦合方法进行预测。将矿井涌水量的时间序列作相空间重构,并以最小嵌入维数作为支持向量机的输入节点,根据支持向量机原理建立矿井涌水量的预测模型。实例计算表明:与其他维数相比,当嵌入维数为4时,矿井涌水量的预测精度最高,说明引入最小嵌入维数是正确的。为检验该方法预测的可靠性,分别采用最小二乘法、指数函数法、相空间重构与支持向量机耦合法对实际矿井涌水量观测值进行回归预测。结果表明,非线性方法的预测效果比线性方法更佳。不同核函数预测结果证实RBF是
  3. 所属分类:其它

    • 发布日期:2020-05-13
    • 文件大小:263kb
    • 提供者:weixin_38567962
  1. 急倾斜煤层顶煤可放性识别的支持向量机模型

  2. 分析了急倾斜煤层巷道放顶煤开采顶煤可放性的主要影响因素,在巷道放顶煤工业性试验及开采实践经验数据分析的基础上,将基于结构风险最小化原理的支持向量方法用于急倾斜煤层顶煤可放性识别问题中,建立了基于径向基核函数的可放性识别支持向量机模型,并将该模型用于工程实例检测。研究表明,该模型能通过有限经验数据的学习,建立顶煤可放性与影响因素之间的非线性关系。
  3. 所属分类:其它

    • 发布日期:2020-04-28
    • 文件大小:169kb
    • 提供者:weixin_38617436
  1. 基于粗集-支持向量机的采空区自然发火预测

  2. 将粗集和支持向量机两种算法有机结合起来,建立了基于粗集与支持向量机的采空区自然发火预测模型。通过粗集对采空区自然发火影响因子进行预处理,将约简属性作为输入向量,利用支持向量机进行分类处理,选择了支持向量机核函数,利用变步长搜索法对支持向量机参数进行了优化。在对粗集-支持向量机方法的实验中,通过与支持向量机方法和神经网络方法的比较,发现在样本有限的情况下,基于粗集-支持向量机的采空区自然发火预测方法预测精度更高,训练速度更快,为采空区自然发火预测提供了一种新的方法。
  3. 所属分类:其它

    • 发布日期:2020-05-27
    • 文件大小:210kb
    • 提供者:weixin_38609765
  1. 最小二乘支持向量机在信道均衡中的应用

  2. 为抵消信道时变多径传播特性引起的码间干扰、准确地识别数字通信系统中的发送信号,满足信道均衡的实时性要求,采用最小二乘支持向量机回归算法对信道进行均衡。首先,分析了最小二乘支持向量机算法应用于信道均衡的机理,与传统的信道均衡方法相比,该算法无需对信道进行估计可直接得到均衡器的参数。其次,与ε-支持向量机算法进行比较,最小二乘支持向量机均衡性能不减,时间复杂度大大降低,可以更好的满足信道更新的实时性要求。同时探讨了2种改善低信噪比下信道均衡性能的方法。结果表明:对于信道环境复杂的通信系统,利用最小二
  3. 所属分类:其它

    • 发布日期:2020-06-26
    • 文件大小:730kb
    • 提供者:weixin_38694006
  1. 煤自燃极限参数的支持向量机预测模型

  2. 建立了基于支持向量机(Support Vector Machine,SVM)的煤自燃极限参数预测模型;经过与多项式函数及Sigmoid核函数的对比,选用径向基函数作为SVM核函数;提出了一种SVM参数优化的变步长搜索方法,先在一个大区域根据训练样本均方差的值改变参数搜索步长,找到一个性能好的小区域,在这个小区域中应用网格搜索法找到最优参数,可提高参数搜索速度.实验表明,与人工神经网络模型相比,在样本有限的情况下,基于支持向量机的煤自燃极限参数预测模型预测精度更高、速度更快,说明支持向量机技术在煤
  3. 所属分类:其它

    • 发布日期:2020-07-19
    • 文件大小:966kb
    • 提供者:weixin_38682242
  1. 支持向量机与核方法.zip

  2. Matlab工具包,包含了支持向量机和核函数的工具包,可直接调用。SVM and Kernel Methods Matlab toolbox
  3. 所属分类:机器学习

    • 发布日期:2020-08-17
    • 文件大小:4mb
    • 提供者:sinat_35495059
  1. 基于支持向量机的高频振荡回路性能评价

  2. 提出了基于支持向量机(SVM)高频振荡回路性能的评价方法。以高频并联振荡电路为实验研究对象,通过将由高精密仪器设备采样信号分析与基于SVM的性能的评价分析相对比,证明了此评价方法的可靠性与精确性。该方法采用径向基核函数和合适的ε、C参数,有效地对高频振荡电路的通频带等参数进行测定、分析误差,是值得推广与研究的高频振荡回路性能评价的一种新方法。实验表明,该方法可推广到通信网络的相关参数的评价当中。
  3. 所属分类:其它

    • 发布日期:2020-10-21
    • 文件大小:321kb
    • 提供者:weixin_38599545
  1. 嵌入式系统/ARM技术中的支持向量机语音识别算法在OMAP5912上的移植

  2. 随着语音识别和语音合成技术的不断更新与发展,将语音识别技术应用于嵌入式产品中已得到广泛应用。SVM(支持向量机)作为统汁概率模型已经被证明是一种很好的识别模型。OMAP5912处理器是由TI公司的TMS320C55X型DSP内核与低功耗、增强型ARM926EJ-S微处理器组成的双核应用处理器。ARM核可满足控制和接口方面的需要,DSP核以其低功耗高性能来实现多媒体应用。目前存0MAP平台上实现的多媒体应用有语音、音频、图像、视频等。在实验室开发的基于0MAP5912嵌入式语音识别系统上进行基于S
  3. 所属分类:其它

    • 发布日期:2020-11-06
    • 文件大小:187kb
    • 提供者:weixin_38742927
  1. 一步一步机器学习(四):支持向量机

  2. 这一章介绍的知识特别丰富,无论是核方法(Kernel)还是SMO高效求解SVM对偶问题中的启发式搜索,都很值得我们反复理解品味发明者的思想。话不多说,笔记整理如下: 支持向量机知识点总结: 其中,关于核方法那部分内容用了机器学习有很多关于核函数的说法,核函数的定义和作用是什么?第一个答主的图片加以解释(对直观理解低、高维之间特征映射很有帮助);多分类SVM学习了支持向量机原理详解(八): 多类分类SVM这个知乎专栏的相关知识.(Stanford CS229 notes
  3. 所属分类:其它

  1. 第十二章-SVM支持向量机 深度之眼_吴恩达机器学习作业训练营

  2. 目录 一,优化目标   1.1 从逻辑回归到SVM 1.1.1 回顾逻辑回归算法 1.1.2 损失项变换 1.1.3 正则化变换 1.1.4 假设函数变换   1.2 最大间隔 1.2.1 直觉上理解 1.2.2 最大间隔的数学原理 二, 核函数 2.1 高斯核函数 2.2 其他核函数 三,SVM的使用建议 3.1 超参数 3.2 核函数的选择以及训练 3.3 多分类问题 一,优化目标 支持向量机(Support Vector Machines,简称SVM)是一个非常强大且广泛运用与工业界和学术
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:174kb
    • 提供者:weixin_38691739
  1. 支持向量机在正则化路径上的近似模型选择

  2. 模型选择问题是支持向量机的基本问题。基于核矩阵近似计算和正则化路径,提出一个新的支持向量机模型选择方法。 -α,证明KMA-α的近似偏差界定理,并得到支持矢量机的模型近似误差界。然后,提出近似模型选择算法AMSRP。该算法应用KMA-α计算的核矩阵的低秩近似来提高支持最后,通过标准数据集上的对比实验,验证了AMSRP的可行性和计算效率。实验结果显示,AMSRP可在保证测试集准确率的降低,显着地提高支持向量机模型选择的效率。理论分析与实验结果表明,AMSRP是一种合理,高效的模型选择算法。
  3. 所属分类:其它

  1. KMA-α:支持向量机的核矩阵逼近算法

  2. 核矩阵计算是恢复支持向量机的关键,已有的精确计算方法难以处理大规模的样本数据。纹理,研究核矩阵的近似计算方法。首先,采用支持矢量机的凸二次约束线性规划表示,然后,综合蒙特卡罗方法和不完全Cholesky分解方法,提出一个新的核矩阵近似算法KMA-α,该算法首先对核矩阵进行蒙特卡洛随机采样,采样后不直接进行奇异值分解,又应用了对称替换的不完全Cholesky分解来计算近似最优的低秩近似。以KMA-α输出的近似核矩阵作为支持矢量机的输入,可提高支持向量机二阶锥规划优化的效率。进一步,分析了KMA-α
  3. 所属分类:其它

  1. 移动最小二乘支持向量机

  2. 基于移动最小二乘逐点逼近思想,移动权被引入到最小二乘支持向量机的误差变量中,得到新算法的模型.此外,证明了用移动最小二乘支持向量机作函数估计与在特征空间中用移动最小二乘法得到的解是一致的,揭示了移动最小二乘支持向量机所选择的核函数相当于移动最小二乘法所选择基函数组.数值试验与实例进一步验证所提出方法的优越性.
  3. 所属分类:其它

  1. 基于扩展的径向基函数核支持向量机的产品销售预测模型

  2. 针对产品销售时序具有多维度,非线性的特征,通过设计了一种扩展的RBF核函数,将其应用于支持向量机中,得到一种扩展的RBF核支持向量机(ERBF-SVM: Expanded Radial Basis Function - Support Vector Machine);同时设计了一种改进的免疫优化算法对其参数进行寻优。 该方法被应用于汽车销售预测实例中,并与BP神经网络(BPNN)、采用一般RBF核的支持向量机(v-SVM: v-Support Vector Machine)及多尺度支持向量机(M
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:656kb
    • 提供者:weixin_38523251
  1. 支持向量机和字符串核识别MicroRNA前体

  2. 微小RNA(miRNA)是从长(70-110 nt)miRNA前体(pre-miRNA)加工而成的短(21-23 nt)调节性非编码RNA的一族。 鉴定真假前体在miRNA的计算鉴定中起着重要作用。 从前体序列及其二级结构中提取了一些数字特征,以适应某些分类方法; 但是,它们可能会丢失隐藏在序列和结构中的一些有用的区分性信息。 在这项研究中,pre-miRNA序列及其二级结构直接基于两个序列之间的加权Levenshtein距离来构建指数内核。 然后将此字符串内核与支持向量机(SVM)组合以检测真
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:288kb
    • 提供者:weixin_38723373
  1. 基于多核对称最小二乘支持向量机的永磁同步电机混沌建模

  2. 针对永磁同步电机在一定情况下呈现混沌特性且混沌模型难以精确获得的情况,提出了一种基于多核对称最小二乘支持向量机的回归建模方法.在最小二乘支持向量机模型中增加对称性的约束条件,构成对称最小二乘支持向量机.将多核学习的方法与对称最小二乘支持向量机相结合,构造由多个基本核函数线性组合而成的新的等价核,用于建立永磁同步电机的混沌回归模型.仿真结果表明,与一般最小二乘支持向量机相比,该方法能够降低单个核函数的选择对建模精度的影响,提高混沌建模精度.
  3. 所属分类:其它

    • 发布日期:2021-02-21
    • 文件大小:349kb
    • 提供者:weixin_38592847
  1. 基于可见光图像分析和支持向量机的鸭蛋新鲜度识别

  2. 研究鸭蛋内部的可见光图像信息(H和I)的变化来表征鸭蛋新鲜度的变化。采用可见光图像分析技术获取鸭蛋蛋心颜色参数, 将哈夫单位作为新鲜度的验证指标, 建立了基于支持向量机(SVM)的蛋心内部色泽参数的鸭蛋新鲜度预测模型。模型表明:当SVM类型为epsilon-SVR, 核函数为RBF模型特征参数C=27、σ=23时所建立的模型预测效果最好。其中模型预测效果参数RMSEC=0.9520, EMSEP=0.4205。鸭蛋新鲜度预测值与测定值之间具有良好的线性关系, 且预测值对实际值具有较大的搜索覆盖能
  3. 所属分类:其它

« 12 3 4 »