注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 支撑矢量机推广能力分析

  2. 本文针对两种不同用途的支撑矢量机 ,分类支撑矢量机和回归支撑矢量机 ,分别证明了它们的一些几 何性质 ,从这些性质出发讨论了这两种支撑矢量机对新增样本的推广能力 ,新增样本对支撑矢量 ,非支撑矢量的影响 以及新增样本本身的一些特点 ,得到了一些非常有价值的结论.从这些结论可以看出支撑矢量机对新增样本具有良好 的推广能力 ,即对新增样本的良好的包容性和适应性 ,并且支撑矢量机是一种可积累的学习模型.

  3. 所属分类：专业指导

  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. 一种SVM增量学习淘汰算法

  2. 基于svm寻优问题的KKT条件和样本之间的关系，分析了样本增加后支持向量集的变化情况，支持向量机在增量学习中的活动规律，提出一种新的支持向量机增量学习的遗忘机制

  3. 所属分类：专业指导

  1. 最优化 kkt条件

  2. 很好的资源 学优化的筒子们 可以瞧瞧

  3. 所属分类：专业指导

    • 发布日期：2012-07-02
    • 文件大小：324kb
    • 提供者：chengbinwin521

  1. 最优化与kkt条件

  2. 讲的很好了最优化与kkt条件

  3. 所属分类：IT管理

    • 发布日期：2012-08-07
    • 文件大小：337kb
    • 提供者：youyion

  1. 最优化与KKT条件

  2. 从拉格朗日 条件到KKT条件，详细介绍了非线性规划的问题和解决方案

  3. 所属分类：其它

    • 发布日期：2013-04-01
    • 文件大小：324kb
    • 提供者：mzwang123

  1. 对偶定理的推导

  2. 清晰明白地阐述了对偶定理的推导 其中内容涉及了Staler条件，KKT条件

  3. 所属分类：专业指导

    • 发布日期：2014-03-10
    • 文件大小：92kb
    • 提供者：vince_n

  1. 最优化与KKT条件

  2. 最优化与KKT条件，很好的学习讲义，值得一读。

  3. 所属分类：讲义

    • 发布日期：2014-06-01
    • 文件大小：337kb
    • 提供者：xr1064

  1. 最优规划问题详解

  2. 讲义系统全面的介绍了最优化相关问题，是研究“凸问题”“非凸问题”的基础性讲义

  3. 所属分类：讲义

    • 发布日期：2014-12-03
    • 文件大小：334kb
    • 提供者：u012925577

  1. SMO算法代码

  2. #include #include #include #include #include using namespace std; const int N = 351; //样本数总数 const int train_num = 200; //训练数据数目 const int d = 34; //维数 const double C = 1.0; //惩罚参数 const double tolerance = 0.001; //在KKT条件中容忍范围 const double eps

  3. 所属分类：C

    • 发布日期：2015-01-19
    • 文件大小：64kb
    • 提供者：chen448293144

  1. 非负张量分解及应用

  2. 在现实生活中，往往存在着大量多维数据，例如视频流数据，文本数据， RGB图像等。传统的方法往往通过某种方式将多维数据重新排列成矩阵形式， 利用矩阵分析方法，例?蛔PCA，SVD，NMF，进行特征提取、聚类、分类等操 作，这无疑破坏了数据原本的空间结构，增加了分析结果的不准确性，而张量 在分析数据的同时，能够保持多维数据的空间结构不被破坏，这极大地引起了 学者们的研究热情。张量即多维数组，它是向量和矩阵在高维上的推广，目前 被广泛应用在计算机视觉、数据挖掘、信号处理等领域。 本文着重研究三阶非负

  3. 所属分类：算法与数据结构

    • 发布日期：2017-11-11
    • 文件大小：2mb
    • 提供者：puppet_love

  1. 卡罗需-库恩-塔克条件判断约束极值点的应用方法

  2. 卡罗需-库恩-塔克条件判断约束极值点的应用方法，李春明，，卡罗需-库恩-塔克（KKT）条件作为判断最优点是否为约束极值点的依据，在优化算法中非常重要。本文针对数值算法中遇到的几种情况提�

  3. 所属分类：其它

    • 发布日期：2020-01-18
    • 文件大小：300kb
    • 提供者：weixin_38597300

  1. 最优化与KKT条件

  2. 本文档提供了数学中最优化与KKT条件的相关理论和原理。

  3. 所属分类：专业指导

    • 发布日期：2014-07-07
    • 文件大小：324kb
    • 提供者：wxtwy

  1. 最优化和KKT条件

  2. 最优化和KKT条件 用以等式和不等式约束时的一次或二次优化问题的求取

  3. 所属分类：教育

    • 发布日期：2011-11-16
    • 文件大小：324kb
    • 提供者：snail02511

  1. 最优化理论KKT.pdf

  2. 机器学习的很多问题最终都可以归结为一个优化问题，针对不同情况下的优化问题，我们给出了具体的解决方案，比如无约束条件下的梯度下降法和牛顿法，等式约束条件下的朗格朗日乘子法以及不等式约束条件下的KKT条件。

  3. 所属分类：深度学习

    • 发布日期：2020-07-07
    • 文件大小：397kb
    • 提供者：qq_39823607

  1. 带约束非线性问题-KKT条件讲义

  2. 从国外大学网站（卡耐基梅隆、伊利诺伊州立大学、哥伦比亚大学、丹麦技术大学）下载的课程PPT，关于凸优化、拉格朗日函数、KKT等。

  3. 所属分类：讲义

    • 发布日期：2020-07-19
    • 文件大小：2mb
    • 提供者：sikong00

  1. 不等式约束优化问题及KKT条件理解

  2. 不等式约束优化问题及KKT条件理解 我们只考虑不等式约束下的优化问题，如: minf(x) minf(x) minf(x) s.t.g(x)≤0 s.t.g(x)\leq0 s.t.g(x)≤0 这里xxx是多维的向量，约束不等式g(x)≤0g(x)\leq0g(x)≤0表示的是多维空间上的一个区域，因此我们定义可行性域K=x∈Rn∣g(x)≤0K={x\in R^n|g(x)\leq0}K=x∈Rn∣g(x)≤0 。假设x∗x^*x∗为满足约束条件的最佳解，那么我们可以分成两种情况讨论，而这

  3. 所属分类：其它

    • 发布日期：2020-12-14
    • 文件大小：44kb
    • 提供者：weixin_38638309

  1. 约束优化问题的KKT条件-附件资源

  2. 约束优化问题的KKT条件-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-05
    • 文件大小：106byte
    • 提供者：weixin_42196667

  1. 约束优化问题的KKT条件-附件资源

  2. 约束优化问题的KKT条件-附件资源

  3. 所属分类：互联网

    • 发布日期：2021-03-02
    • 文件大小：23byte
    • 提供者：weixin_42184237

  1. 基于FCM与KKT条件的增量学习方法

  2. 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，解决了大量样本训练时间长和存储空间不足的问题。因此，如何有效地丢弃大量无效的样本点是增量学习算法研究的重点。文中提出了一种FCM（Fuzzy C-Means）和KKT（Karush-Kuhn-Tucker）条件结合的增量学习方法，分别从历史样本集和新增样本集两个阶段对无效样本进行过滤，利用余下的样本进行训练。最后，利用UCI数据库中的4组数据进行实验分析，结果证明训练精度

  3. 所属分类：其它

« 12 3 »