1) support vector kernel function
支持向量核函数
1.
Based on the wavelet decomposition theory and conditions of the support vector kernel function,a multivariable support vector kernel function is proposed,i.
基于小波分解理论和支持向量机核函数的条件,提出了一种多维允许支持向量核函数———L it-tlewood-Paley小波核函数。
3) support vector regression
支持向量函数回归
1.
Because of its excellent learning capacity, support vector regression (SVR) is an important branch of SVM, SVR has been applied to system identification, nonlinear system prediction and good results have been demonstrated.
支持向量函数回归(SVR)是SVM的一个重要分支,它已经成功地应用于系统识别、非线性系统的预测等方面,并取得了较好的效果。
2.
Support Vector Regression ( for short SVR ) is an important branch of SVM, SVR has been applied to system identification, nonlinear system prediction and good results have been demonstrated.
支持向量函数回归(简称SVR)是SVM的一个重要分支，它已经成功的应用于系统识别、非线性系统的预测等方面，并取得了较好的效果。
4) Multi-kernel support vector machine
多核支持向量机
5) admissible support vector kernel
容许支持向量核
6) multi-kernel-parameter support vector machine with RBF kernel
多核参数径向基支持向量机
1.
On the basis of this conclusion, an improved multi-kernel-parameter support vector machine with RBF kernel based on genetic algorithm was proposed, where genetic algorithm was applied to find optimum ker.
此结论基础上,提出了一种基于遗传算法的多核参数径向基支持向量机算法,通过遗传算法最小化验证误差,实现了根据各个特征的识别能力赋予其不同大小的核参数。
补充资料：支持向量机方法
支持向量机(SVM)是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下，亦能获得良好统计规律的目的。支持向量机算法是一个凸二次优化问题,能够保证找到的极值解就是全局最优解，是神经网络领域域取得的一项重大突破。与神经网络相比，它的优点是训练算法中不存在局部极小值问题，可以自动设计模型复杂度(例如隐层节点数)，不存在维数灾难问题，泛化能力强。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条