1) support vector classification with probability
具有概率意义的支持向量分类
2) PPSVM
概率支持向量机
1.
combined with the classification principle and the decision-making methods of pattern recognition,we proposed support vector machines(SVM)and probability output support vector machines(PPSVM)to classify the extracti
本文结合耳石图像的特点,提出了基于主成分分析(PCA)和核主成分分析(KPCA)的特征选择方法,并结合模式识别的分类原理、比较各种可用于模式识别的分类决策方法,提出了基于支持向量机(SVM)和概率支持向量机(PPSVM)的分类算法。
3) Robust Support Vector Classification
稳健的支持向量分类机
1.
An Analysis on Robust Support Vector Classification;
稳健的支持向量分类机的优化理论分析
4) Probability has Universal Significance
概率具有普遍意义
5) support vector classification
支持向量分类
1.
Using support vector classification for SAR of the ethofenprox analogous of pesticide;
支持向量分类用于醚菊酯类似物构效关系的研究(英文)
2.
An Improvement to the Theoretical Foundation of Support Vector Classification;
支持向量分类方法理论基础的改进(英文)
3.
Support Vector Classification for Sketch Generation of Eyes and Brows;
面向眉目草图生成的支持向量分类模型
6) support vector classifier
支持向量分类器
1.
To solve the problem of the low sampling efficiency in the contentbased information retrieval, a new classifier named 15-class support vector classifier (15 SVC) is proposed.
针对基于内容的信息检索中负样本抽样效率低的问题,设计了1 5类支持向量分类器。
2.
To improve the speed and the problem of high false positive in micro-calcification detection,a novel micro-calcification detection method based on support vector classifier model with rejection feature and Iterative Rank-order Filter Subspace is proposed.
对于输入模式,首先利用基于最大软间隔超平面的支持向量分类器(SVC)进行分类判决;然后对真实的钙化点样本特征空间求取最小的包含球形边界,得到钙化点样本的球形支持向量域表示(SVDD)。
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