已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀
版權說明: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,請進行舉報或認領
文檔簡介
1、該文提出了SVMCNN (基于SVM的混合神經(jīng)網(wǎng)絡)模型(結(jié)構圖見正文中圖4-1,p47),SVMCNN由一個支持向量機陣列(SVMA)與多個子神經(jīng)網(wǎng)絡構成,先由SVMA對輸入樣本進行粗分類,再由相應的子神經(jīng)網(wǎng)絡進行細分類,子神經(jīng)網(wǎng)絡的輸出即是整個SVMCNN的分類結(jié)果.SVMA由多個支持向量機按照一定的策略組合而成.支持向量機是最近發(fā)展起來的一種機器學習算法,是一個通用的二值分類器,如何使用支持向量機這一二值分類器構造多值分類器,是目
2、前國際上的研究熱點.該文采用一對一的方式,構造了支持向量機陣列的結(jié)構(結(jié)構圖見正文中圖4-2,p48)及其相應的搜索策略,對任何輸入樣本,只需選擇(N-1)個支持向量機進行操作就能得到最終的分類結(jié)果,大大提高了效率,節(jié)省了粗分類時間.子神經(jīng)網(wǎng)絡可以根據(jù)實際需要采用不同的網(wǎng)絡結(jié)構,包括BP網(wǎng)絡,Hopfield網(wǎng)絡、SOM自組織網(wǎng)絡等.為了驗證SVMCNN模型求解巨大訓練樣本集的多類分類問題的可行性,該文以二維樣本分類為例,對SVMA粗分
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
- 基于優(yōu)化神經(jīng)網(wǎng)絡的混合網(wǎng)絡流量預測模型仿真與實現(xiàn).pdf
- 基于混合神經(jīng)網(wǎng)絡模型的國別風險評估研究.pdf
- 基于混合神經(jīng)網(wǎng)絡技術的入侵檢測模型.pdf
- 基于神經(jīng)網(wǎng)絡的混合模型軌道預報方法研究.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡的網(wǎng)絡安全態(tài)勢預測模型.pdf
- 基于神經(jīng)網(wǎng)絡和粒子群優(yōu)化SVM的煤與瓦斯突出預測模型研究.pdf
- 基于神經(jīng)網(wǎng)絡的英語作文自動評分模型研究與實現(xiàn)
- 基于深度卷積神經(jīng)網(wǎng)絡的圖像分類模型的設計與實現(xiàn).pdf
- 基于射線跟蹤和神經(jīng)網(wǎng)絡的場強預測混合模型.pdf
- 基于BP神經(jīng)網(wǎng)絡的混合機組風險管理系統(tǒng)的設計與實現(xiàn).pdf
- 基于神經(jīng)網(wǎng)絡與SVM的圖像壓縮(編碼)理論和方法.pdf
- 基于神經(jīng)網(wǎng)絡的入侵預測模型.pdf
- 基于混合模糊神經(jīng)網(wǎng)絡的網(wǎng)絡入侵檢測.pdf
- 基于FPGA的神經(jīng)網(wǎng)絡實現(xiàn)與應用.pdf
- 基于BP神經(jīng)網(wǎng)絡和SVM的信號分類方法的研究.pdf
- 基于HMM和人工神經(jīng)網(wǎng)絡混合模型的漢語語音情感識別.pdf
- 基于BP神經(jīng)網(wǎng)絡與SVM的生姜熱風干燥含水率預測模型研究.pdf
- Hopfield神經(jīng)網(wǎng)絡構造的聯(lián)想記憶存儲器實現(xiàn)與研究.pdf
- 基于FPGA的神經(jīng)網(wǎng)絡硬件實現(xiàn).pdf
- 基于構造型前饋神經(jīng)網(wǎng)絡的函數(shù)逼近與應用.pdf
評論
0/150
提交評論