已閱讀1頁，還剩37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、論文首先介紹了支持向量機的研究背景，研究現(xiàn)狀，然后給出支持向量機的基本理論介紹。在此基礎(chǔ)上，分別對最小二乘支持向量機算法和四類分類支持向量機算法做了進一步的研究。
在該篇論文中，基于支持向量機理論，我們主要做了以下工作：
(1)最小二乘支持向量機算法顯著提高了大規(guī)模樣本的訓(xùn)練速度和測試速度，但是仍然不能很好處理條件屬性和決策屬性具有不一致性的訓(xùn)練樣本集，為此在本文中，我們提出了一種基于模糊粗糙集的最小二乘支持
2、向量機算法，將每個樣本隸屬度考慮到約束條件中，使得不同的訓(xùn)練樣本對分類超平面的構(gòu)造有著不同的貢獻，解決了決策屬性和條件屬性的一致性問題。
(2)將支持向量機應(yīng)用于四類分類問題，提出一個四類分類問題的解決方法。算法對四類分類問題一次性構(gòu)造兩個分類超平面，在同一個優(yōu)化問題中解出兩個分類超平面的表達式，同時分類超平面的函數(shù)表達式采用二維向量的表達形式，算法的優(yōu)越之處在于明顯減少了分類器的個數(shù)，同時消除了不可分區(qū)域。
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(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
- 基于空間旋轉(zhuǎn)的支持向量機改進算法.pdf
- 支持向量機改進算法及應(yīng)用研究.pdf
- 多類支持向量機算法的研究和改進.pdf
- 支持向量機訓(xùn)練算法實現(xiàn)及其改進.pdf
- 基于改進支持向量機的入侵檢測算法研究.pdf
- 基于改進支持向量機的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于支持向量機的人臉識別改進算法.pdf
- 基于支持向量機的改進的密度聚類算法研究.pdf
- 支持向量機預(yù)處理對SMO算法的改進研究.pdf
- 基于遺傳算法的改進支持向量機財務(wù)預(yù)警研究.pdf
- 模糊支持向量機算法研究.pdf
- 支持向量機訓(xùn)練算法研究.pdf
- 基于粒子群思想改進支持向量機優(yōu)化算法的研究.pdf
- 面向非平衡數(shù)據(jù)分類的支持向量機改進算法研究.pdf
- 基于改進蟻群算法的支持向量機研究及應(yīng)用.pdf
- 基于邊界向量預(yù)選的支持向量機算法研究.pdf
- 支持向量機改進及其應(yīng)用.pdf
- 支持向量機算法改進和光譜定量識別方法的研究.pdf
- 支持向量機訓(xùn)練算法的研究.pdf
- 支持向量機的若干算法研究.pdf
評論
0/150
提交評論