已閱讀1頁,還剩47頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、支持向量機(jī)是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的一種新的機(jī)器學(xué)習(xí)方法。支持向量機(jī)又稱為支持向量網(wǎng)絡(luò),具有理論完備、適應(yīng)性強(qiáng)、全局優(yōu)化、訓(xùn)練時(shí)間短、泛化性能好等優(yōu)點(diǎn),已經(jīng)成為目前國(guó)際、國(guó)內(nèi)研究的熱點(diǎn)。近年內(nèi),有關(guān)SVM的應(yīng)用研究也得到了很多領(lǐng)域的學(xué)者的重視,在各個(gè)方面取得了大量的研究成果。 本文首先分析了現(xiàn)在四種最主要的基于SVM的多類分類算法的優(yōu)缺點(diǎn),并對(duì)其分類和測(cè)試速度進(jìn)行了比較,然后提出了一種改進(jìn)的二叉樹多類分類算法。此算法繼承了
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(qǐng)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(qǐng)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(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM的多類文本分類算法及其應(yīng)用研究.pdf
- SVM多類分類及其在遙感圖像中的應(yīng)用.pdf
- 基于AUC的SVM多類分類算法的優(yōu)化.pdf
- 基于SVM的分類挖掘算法及其應(yīng)用.pdf
- 基于Pareto多目標(biāo)優(yōu)化的SVM多類分類算法的實(shí)現(xiàn).pdf
- 基于SVM分類器的分步定位算法研究.pdf
- 基于LS-SVM的多標(biāo)簽分類算法.pdf
- 基于FBT的改進(jìn)SVM多類分類方法研究.pdf
- 基于SVM多類分類算法的鋁土礦泡沫浮選工況識(shí)別研究.pdf
- 基于增量學(xué)習(xí)SVM分類算法的研究與應(yīng)用.pdf
- 多類圓形物體圖像的中心定位算法研究.pdf
- 基于支持向量機(jī)的多類分類算法研究及在滾動(dòng)軸承故障識(shí)別中的應(yīng)用.pdf
- 聚類算法研究及其在網(wǎng)絡(luò)模塊性分析中的應(yīng)用.pdf
- 改進(jìn)的KFCM聚類算法及其在分治SVM中的應(yīng)用.pdf
- 基于蟻群優(yōu)化的層次聚類算法及其在網(wǎng)絡(luò)取證中的應(yīng)用
- 基于聚類的高效包分類算法研究及其應(yīng)用.pdf
- 基于SVM分類算法的主題爬蟲研究.pdf
- 基于1-SVM的多球體分類器理論及其應(yīng)用研究.pdf
- 基于蟻群優(yōu)化的層次聚類算法及其在網(wǎng)絡(luò)取證中的應(yīng)用.pdf
- 基于SVM樹型多分類的蜂窩通信系統(tǒng)中節(jié)點(diǎn)定位算法研究.pdf
評(píng)論
0/150
提交評(píng)論