1) k-local hyperplane distance nearest neighbo(rHKNN)algorithm
局部超平面分类算法
2) classification hyperplane
分类超平面
1.
Combining the new measure with the forward regression orthogonal least square (OLS), not only the parameters of the classification hyperplane, but also the important input nodes can be obtaind.
提出一种基于输入集分类函数的新的距离度量方法 ,它与前传回归的正交最小二乘法相结合 ,不仅可以学习分类超平面的参数 ,而且可以选择重要的输入节点。
3) Hyperplane classification
超平面分类
4) separating hyperplane
分类超平面
1.
The separating hyperplane of traditional support vector machines is sensitive to noises and outliers.
传统的支持向量机分类超平面对噪声和野值非常敏感。
5) Local plane wave decomposition
局部平面波分解
1.
Local plane wave decomposition of one-way propagator and the applications to directional illumination analysis and target-structure oriented imaging;
单向传播子的局部平面波分解以及在定向照明分析和目标特征成像中的应用
6) optimal separating hyperplane
最优分类超平面
1.
Geometric interpretation of optimal separating hyperplane;
最优分类超平面的几何意义
2.
A new algorithm to the optimal separating hyperplane;
确定最优分类超平面的新算法
3.
In respect of the skew of the optimal separating hyperplane and the generalization error bound that exist in the practical application of support vector machine,this paper introduces the total margin algorithm and different cost algorithm,which improves the standard support vector machine.
针对支持向量机在实际应用中存在的最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔与代价差异算法,对标准的支持向量机算法进行了改进。
补充资料：局部
一部分；非全体：～麻醉 ㄧ～地区有小阵雨。
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