

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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、統(tǒng)計學(xué)習(xí)理論是目前針對小樣本統(tǒng)計估計和預(yù)測學(xué)習(xí)的最佳理論,是傳統(tǒng)統(tǒng)計學(xué)的重要補(bǔ)充和發(fā)展.支持向量機(jī)是由Vapnik等人在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上提出的一種新型機(jī)器學(xué)習(xí)方法.與其它機(jī)器學(xué)習(xí)算法僅僅考慮到經(jīng)驗風(fēng)險最小化的原則不同,支持向量機(jī)采用結(jié)構(gòu)風(fēng)險最小化原則來訓(xùn)練學(xué)習(xí)機(jī),并使用VC維理論來度量結(jié)構(gòu)風(fēng)險.支持向量機(jī)算法能更好地解決小樣本,非線性以及神經(jīng)網(wǎng)絡(luò)算法中的高維數(shù)和局部極小值等實際問題,而且結(jié)構(gòu)非常簡單,具有出色的學(xué)習(xí)性能,被廣泛應(yīng)用于模
2、式識別、回歸估計和函數(shù)逼近等方面. 本文首先介紹了支持向量機(jī)的理論基礎(chǔ)一統(tǒng)計學(xué)習(xí)理論,并以支持向量機(jī)理論為基礎(chǔ)介紹了其在分類問題上的應(yīng)用,重點討論了兩點內(nèi)容:一,支持向量機(jī)的七階光滑函數(shù)及其逼近精度研究.結(jié)果表明:該光滑函數(shù)具有比一至六階光滑函數(shù)更好的逼近性能,為支持向量機(jī)的研究提供了一個新的光滑函數(shù).二,基于多核加權(quán)支持向量機(jī)的概率密度估計.概率密度估計問題是一種隨機(jī)不適定問題,因此,本文主要用解決隨機(jī)不適定問題的P方法結(jié)合多
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(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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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
- 關(guān)于支持向量機(jī)方法的探討.pdf
- 支持向量機(jī)建模方法的研究.pdf
- 支持向量機(jī)融合方法的研究.pdf
- 支持向量機(jī)相關(guān)方法研究.pdf
- 基于支持向量機(jī)的濾波方法研究.pdf
- 支持向量機(jī)的優(yōu)化建模方法研究.pdf
- 支持向量機(jī)集成方法研究.pdf
- 支持向量機(jī)的快速分類方法研究.pdf
- 支持向量機(jī)模型選擇方法研究.pdf
- 基于支持向量機(jī)的圖像處理方法研究.pdf
- 基于支持向量機(jī)的多分類方法研究.pdf
- 孿生支持向量機(jī)及其優(yōu)化方法研究.pdf
- 關(guān)于支持向量機(jī)中的參數(shù)優(yōu)化的研究.pdf
- 超球面支持向量機(jī)方法的探討.pdf
- 基于支持向量機(jī)的圖像分割方法的研究.pdf
- 基于支持向量機(jī)的變形預(yù)測方法研究.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)方法及其應(yīng)用研究.pdf
- 支持向量機(jī)集成學(xué)習(xí)方法研究.pdf
評論
0/150
提交評論